TED2016
Reshma Saujani: Teach girls bravery, not perfection
Reshma Saujani: Bringen wir Mädchen Mut bei – statt Perfektion
Filmed:
Readability: 3.8
4,984,427 views
Wir erziehen Mädchen zur Perfektion und Jungen zum Mut. Reshma Saujani, Gründerin von "Girls Who Code", hat sich der Aufgabe angenommen, Mädchen Risikobereitschaft und Programmieren zu lehren – zwei Fähigkeiten, die sie brauchen werden, um die Gesellschaft voran zu bringen. Denn für wahre Innovationen können wir nicht die Hälfte der Bevölkerung vernachlässigen. "Jeder von Ihnen sollte jeder jungen Frau sagen, dass sie sich mit Unvollkommenheiten wohl fühlen soll."
Reshma Saujani - Education activist
Through her nonprofit, Girls Who Code, Reshma Saujani initiates young women into the tech world. Her goal: one million women in computer science by 2020. Full bio
Through her nonprofit, Girls Who Code, Reshma Saujani initiates young women into the tech world. Her goal: one million women in computer science by 2020. Full bio
Double-click the English transcript below to play the video.
00:13
So a few years ago,
0
1040
1655
Vor einigen Jahren
00:14
I did something really brave,
1
2719
2937
tat ich etwas sehr Mutiges.
00:17
or some would say really stupid.
2
5680
2680
Andere würden sagen, etwas sehr Dummes.
00:20
I ran for Congress.
3
8840
1320
Ich kandidierte für den Kongress.
00:23
For years, I had existed
safely behind the scenes in politics
safely behind the scenes in politics
4
11040
3736
Jahrelang hatte ich mich vorsichtig
im Hintergrund der Politik gehalten,
im Hintergrund der Politik gehalten,
00:26
as a fundraiser, as an organizer,
5
14800
3056
als Spendensammlerin und Organisatorin,
00:29
but in my heart, I always wanted to run.
6
17880
3200
aber tief in meinem Herzen
wollte ich immer kandidieren.
wollte ich immer kandidieren.
00:33
The sitting congresswoman
had been in my district since 1992.
had been in my district since 1992.
7
21680
4456
Die damalige Kongressabgeordnete
war seit 1992 in meinem Bezirk aktiv.
war seit 1992 in meinem Bezirk aktiv.
Sie hatte nie eine Wahl verloren.
00:38
She had never lost a race,
8
26160
1896
00:40
and no one had really even run against her
in a Democratic primary.
in a Democratic primary.
9
28080
3880
Niemand hatte je eine ernsthafte
Kandidatur gegen sie angestrengt.
Kandidatur gegen sie angestrengt.
00:44
But in my mind, this was my way
10
32680
2856
Aber ich wollte etwas bewirken
00:47
to make a difference,
11
35560
1496
und das sollte mein Weg sein.
00:49
to disrupt the status quo.
12
37080
2120
Ich wolle den Status Quo verändern.
00:51
The polls, however,
told a very different story.
told a very different story.
13
39960
3360
Die Umfrageergebnisse zeigten
jedoch ein anderes Bild.
jedoch ein anderes Bild.
00:55
My pollsters told me
that I was crazy to run,
that I was crazy to run,
14
43920
3216
Meine Meinungsforscher sagten mir,
es wäre Wahnsinn zu kandidieren,
es wäre Wahnsinn zu kandidieren,
00:59
that there was no way that I could win.
15
47160
2920
dass ich überhaupt keine Chance
hätte zu gewinnen.
hätte zu gewinnen.
01:02
But I ran anyway,
16
50760
1336
Ich kandidierte trotzdem.
01:04
and in 2012, I became an upstart
in a New York City congressional race.
in a New York City congressional race.
17
52120
5176
2012 nannten sie mich den Emporkömmling
der Kongresswahl für New York City.
der Kongresswahl für New York City.
01:09
I swore I was going to win.
18
57320
3080
Ich schwor mir, dass ich gewinnen würde.
01:13
I had the endorsement
from the New York Daily News,
from the New York Daily News,
19
61000
2616
Die New York Daily News unterstützte mich,
01:15
the Wall Street Journal
snapped pictures of me on election day,
snapped pictures of me on election day,
20
63640
3336
das Wall Street Journal schoss
am Wahltag Fotos von mir.
am Wahltag Fotos von mir.
01:19
and CNBC called it one of the hottest
races in the country.
races in the country.
21
67000
3600
CNBC betitelte die Wahl als
das spannendste Rennen des ganzen Landes.
das spannendste Rennen des ganzen Landes.
01:23
I raised money from everyone I knew,
22
71280
2416
Ich trieb von jedem,
den ich kannte, Spenden ein --
den ich kannte, Spenden ein --
01:25
including Indian aunties
23
73720
1896
von jeder indischen Tante.
01:27
that were just so happy
an Indian girl was running.
an Indian girl was running.
24
75640
2720
Sie waren so glücklich,
dass ein indisches Mädchen kandidierte.
dass ein indisches Mädchen kandidierte.
01:31
But on election day, the polls were right,
25
79240
3176
Am Wahltag bewahrheiteten
sich jedoch die Umfragen
sich jedoch die Umfragen
01:34
and I only got 19 percent of the vote,
26
82440
3040
und ich erhielt nur
19 % der Wählerstimmen.
19 % der Wählerstimmen.
01:37
and the same papers
that said I was a rising political star
that said I was a rising political star
27
85920
3736
Dieselben Zeitungen, die mich als
aufgehenden Stern gefeiert hatten,
aufgehenden Stern gefeiert hatten,
01:41
now said I wasted 1.3 million dollars
28
89680
4416
schrieben nun, ich hätte
1,3 Mio. Dollar in den Sand gesetzt,
1,3 Mio. Dollar in den Sand gesetzt,
01:46
on 6,321 votes.
29
94120
5016
und das Ganze für 6 321 Stimmen.
01:51
Don't do the math.
30
99160
1280
Rechnen Sie bitte nicht nach.
01:53
It was humiliating.
31
101440
2040
Es war demütigend.
01:56
Now, before you get the wrong idea,
32
104320
2656
Bevor Sie das jetzt falsch verstehen,
01:59
this is not a talk
about the importance of failure.
about the importance of failure.
33
107000
2440
das ist kein Vortrag über
die Bedeutung des Scheiterns.
die Bedeutung des Scheiterns.
02:02
Nor is it about leaning in.
34
110040
1640
Es geht auch nicht um harte Arbeit.
02:04
I tell you the story
of how I ran for Congress
of how I ran for Congress
35
112400
3216
Ich erzähle diese Geschichte
von meiner Kandidatur,
von meiner Kandidatur,
02:07
because I was 33 years old
36
115640
2456
weil ich damals 33 Jahre alt war
02:10
and it was the first time
in my entire life
in my entire life
37
118120
4736
und zum ersten Mal in meinem Leben
02:14
that I had done something
that was truly brave,
that was truly brave,
38
122880
3656
etwas wirklich Mutiges getan hatte,
02:18
where I didn't worry about being perfect.
39
126560
2680
bei dem ich nicht versuchte,
perfekt zu sein.
perfekt zu sein.
02:21
And I'm not alone:
40
129639
1457
Damit bin ich nicht allein.
02:23
so many women I talk to tell me
41
131120
1736
So viele Frauen erzählen mir,
02:24
that they gravitate
towards careers and professions
towards careers and professions
42
132880
2896
dass sie nur Berufe anstreben,
02:27
that they know
they're going to be great in,
they're going to be great in,
43
135800
2096
in denen sie auf jeden Fall
gut sein werden.
gut sein werden.
Jobs, von denen sie wissen,
dass sie perfekt darin sein werden.
dass sie perfekt darin sein werden.
02:29
that they know they're
going to be perfect in,
going to be perfect in,
44
137920
2376
02:32
and it's no wonder why.
45
140320
1816
Das ist auch kein Wunder.
02:34
Most girls are taught
to avoid risk and failure.
to avoid risk and failure.
46
142160
3056
Den meisten Mädchen wird beigebracht,
Risiko und Misserfolge zu vermeiden.
Risiko und Misserfolge zu vermeiden.
02:37
We're taught to smile pretty,
47
145240
1776
Wir sollen süß lächeln,
02:39
play it safe, get all A's.
48
147040
2520
auf Nummer sicher gehen,
nur Einsen schreiben.
nur Einsen schreiben.
02:42
Boys, on the other hand,
49
150320
1696
Jungen hingehen wird beigebracht,
02:44
are taught to play rough, swing high,
50
152040
2776
ranzugehen, nach den Sternen zu greifen,
02:46
crawl to the top of the monkey bars
and then just jump off headfirst.
and then just jump off headfirst.
51
154840
4760
auf Klettergerüste zu steigen und
wagemutig herunterzuspringen.
wagemutig herunterzuspringen.
02:52
And by the time they're adults,
52
160200
1576
Wenn sie dann erwachsen sind
02:53
whether they're negotiating a raise
or even asking someone out on a date,
or even asking someone out on a date,
53
161800
4776
und eine Gehaltserhöhung aushandeln
oder jemanden um ein Date bitten wollen,
oder jemanden um ein Date bitten wollen,
02:58
they're habituated
to take risk after risk.
to take risk after risk.
54
166600
3896
sind sie daran gewöhnt,
Risiken einzugehen.
Risiken einzugehen.
03:02
They're rewarded for it.
55
170520
1240
Das zahlt sich aus.
03:04
It's often said in Silicon Valley,
56
172320
2536
Im Silicon Valley wird man
nicht ernst genommen,
nicht ernst genommen,
03:06
no one even takes you seriously
unless you've had two failed start-ups.
unless you've had two failed start-ups.
57
174880
4280
wenn man nicht wenigstens zwei
gescheiterte Start-ups vorweisen kann.
gescheiterte Start-ups vorweisen kann.
03:11
In other words,
58
179880
1536
Anders formuliert:
03:13
we're raising our girls to be perfect,
59
181440
3096
Wir erziehen unsere Mädchen
dazu, perfekt zu sein,
dazu, perfekt zu sein,
03:16
and we're raising our boys to be brave.
60
184560
3320
und unsere Jungen dazu, mutig zu sein.
03:21
Some people worry
about our federal deficit,
about our federal deficit,
61
189080
3680
Viele Menschen sorgen sich
um unser Staatsdefizit.
um unser Staatsdefizit.
03:25
but I, I worry about our bravery deficit.
62
193800
3800
Ich sorge mich um unser Mut-Defizit.
03:30
Our economy, our society,
we're just losing out
we're just losing out
63
198240
3456
Unsere Wirtschaft und unsere
Gesellschaft verlieren zusehends,
Gesellschaft verlieren zusehends,
03:33
because we're not raising
our girls to be brave.
our girls to be brave.
64
201720
2520
weil wir unseren Mädchen
nicht beibringen, mutig zu sein.
nicht beibringen, mutig zu sein.
03:36
The bravery deficit is why
women are underrepresented in STEM,
women are underrepresented in STEM,
65
204920
3376
Wegen dieses Mut-Defizits gibt es
weniger Frauen in den MINT-Fächern,
weniger Frauen in den MINT-Fächern,
03:40
in C-suites, in boardrooms, in Congress,
66
208320
1936
auf den Chefetagen, im Kongress,
03:42
and pretty much everywhere you look.
67
210280
2560
eigentlich überall, wohin man schaut.
03:46
In the 1980s, psychologist Carol Dweck
68
214000
3176
In den 1980ern untersuchte
die Psychologin Carol Dweck,
die Psychologin Carol Dweck,
03:49
looked at how bright fifth graders
handled an assignment
handled an assignment
69
217200
2656
wie intelligente Fünftklässler
Aufgaben lösten,
Aufgaben lösten,
03:51
that was too difficult for them.
70
219880
1600
die eigentlich zu schwer für sie waren.
03:54
She found that bright girls
were quick to give up.
were quick to give up.
71
222000
4176
Kluge Mädchen gaben sehr schnell auf.
03:58
The higher the IQ,
the more likely they were to give up.
the more likely they were to give up.
72
226200
3720
Je höher der IQ, desto eher gaben sie auf.
04:02
Bright boys, on the other hand,
73
230520
1736
Ganz anders die klugen Jungen:
Für sie waren die komplizierten
Aufgaben eine Herausforderung.
Aufgaben eine Herausforderung.
04:04
found the difficult material
to be a challenge.
to be a challenge.
74
232280
2696
04:07
They found it energizing.
75
235000
1736
Sie zogen Kraft daraus.
04:08
They were more likely
to redouble their efforts.
to redouble their efforts.
76
236760
3200
Sie verdoppelten eher ihren Einsatz.
04:12
What's going on?
77
240680
1240
Was passiert hier?
04:14
Well, at the fifth grade level,
78
242520
1496
In der fünften Klasse
04:16
girls routinely outperform boys
in every subject,
in every subject,
79
244040
3656
sind Mädchen durchschnittlich
in jedem Fach besser als die Jungen,
in jedem Fach besser als die Jungen,
einschließlich in Mathematik
und den Naturwissenschaften.
und den Naturwissenschaften.
04:19
including math and science,
80
247720
2136
04:21
so it's not a question of ability.
81
249880
2840
Es geht also nicht ums Können.
04:25
The difference is in how boys
and girls approach a challenge.
and girls approach a challenge.
82
253560
4120
Der Unterschied liegt in der
Herangehensweise an die Aufgaben.
Herangehensweise an die Aufgaben.
04:30
And it doesn't just end in fifth grade.
83
258200
2079
Da ist die fünfte Klasse
lange nicht das Ende.
lange nicht das Ende.
Eine HP-Studie ergab, dass sich
Männer um eine Stelle bewerben,
Männer um eine Stelle bewerben,
04:32
An HP report found
that men will apply for a job
that men will apply for a job
84
260800
3176
04:36
if they meet only 60 percent
of the qualifications,
of the qualifications,
85
264000
3640
wenn sie nur 60 % der nötigen
Qualifikationen mitbringen.
Qualifikationen mitbringen.
04:40
but women, women will apply
86
268000
2736
Frauen bewerben sich hingegen nur,
04:42
only if they meet 100 percent
of the qualifications.
of the qualifications.
87
270760
4576
wenn sie hundertprozentig
auf die Stellenbeschreibung passen.
auf die Stellenbeschreibung passen.
04:47
100 percent.
88
275360
1280
100 %.
04:49
This study is usually invoked
as evidence that, well,
as evidence that, well,
89
277720
3336
Mit dieser Studie wird gerne begründet,
04:53
women need a little more confidence.
90
281080
1720
dass Frauen mehr Selbstvertrauen brauchen.
Für mich beweist diese Studie eher,
04:55
But I think it's evidence
91
283360
1496
04:56
that women have been socialized
to aspire to perfection,
to aspire to perfection,
92
284880
3136
dass Frauen sozialisiert wurden,
immer und überall perfekt zu sein
immer und überall perfekt zu sein
05:00
and they're overly cautious.
93
288040
1536
und übervorsichtig sind.
05:01
(Applause)
94
289600
2816
(Applaus)
05:04
And even when we're ambitious,
95
292440
2056
Selbst wenn wir ehrgeizig sind,
05:06
even when we're leaning in,
96
294520
2776
selbst wenn wir uns richtig reinhängen,
05:09
that socialization of perfection
97
297320
2216
hält uns diese Erziehung
zum Perfektsein davon ab,
zum Perfektsein davon ab,
05:11
has caused us to take
less risks in our careers.
less risks in our careers.
98
299560
3080
Risiken in unserem Beruf einzugehen.
05:15
And so those 600,000 jobs
that are open right now
that are open right now
99
303320
4576
Es gibt zurzeit 600 000 freie Stellen
in der Computer- und Technologiebranche.
05:19
in computing and tech,
100
307920
1240
05:21
women are being left behind,
101
309800
1896
Aber Frauen bleiben auf der Strecke
und das bedeutet,
dass unsere Wirtschaft
dass unsere Wirtschaft
05:23
and it means our economy
is being left behind
is being left behind
102
311720
2656
bei Innovationen und Problemen
auf der Strecke bleibt,
auf der Strecke bleibt,
05:26
on all the innovation and problems
women would solve
women would solve
103
314400
4176
weil die Frauen, die sie lösen könnten,
05:30
if they were socialized to be brave
104
318600
2736
nicht zum Mutigsein erzogen wurden,
05:33
instead of socialized to be perfect.
105
321360
3080
sondern zum Perfektsein.
05:36
(Applause)
106
324960
3936
(Applaus)
05:40
So in 2012, I started a company
to teach girls to code,
to teach girls to code,
107
328920
4336
2012 gründete ich ein Unternehmen,
wo Mädchen Programmieren lernen sollten.
wo Mädchen Programmieren lernen sollten.
05:45
and what I found
is that by teaching them to code
is that by teaching them to code
108
333280
3056
Während ich ihnen
Programmieren beibrachte, merkte ich,
Programmieren beibrachte, merkte ich,
05:48
I had socialized them to be brave.
109
336360
2160
dass ich ihnen gleichzeitig
beibrachte, mutig zu sein.
beibrachte, mutig zu sein.
05:51
Coding, it's an endless process
of trial and error,
of trial and error,
110
339240
4216
Programmieren ist ein endloser Kreislauf
aus Versuch und Irrtum.
aus Versuch und Irrtum.
Man versucht, den richtigen Befehl
an die richtige Stelle zu schreiben.
an die richtige Stelle zu schreiben.
05:55
of trying to get the right command
in the right place,
in the right place,
111
343480
3176
05:58
with sometimes just a semicolon
112
346680
2416
Manchmal macht ein kleines Semikolon
06:01
making the difference
between success and failure.
between success and failure.
113
349120
3320
den Unterschied zwischen
Erfolg und Misserfolg aus.
Erfolg und Misserfolg aus.
Bei einem Fehler kann alles
in sich zusammenfallen.
in sich zusammenfallen.
06:04
Code breaks and then it falls apart,
114
352840
2496
06:07
and it often takes many, many tries
115
355360
2416
Es braucht oft sehr viele Versuche
06:09
until that magical moment
116
357800
2296
bis zu dem magischen Moment,
06:12
when what you're trying
to build comes to life.
to build comes to life.
117
360120
3080
bis das, was man versucht hat zu bauen,
plötzlich lebensfähig wird.
plötzlich lebensfähig wird.
06:15
It requires perseverance.
118
363760
2480
So etwas braucht Durchhaltevermögen.
06:18
It requires imperfection.
119
366600
2760
Es braucht Unvollkommenheiten.
In unseren Kursen erkennen wir sofort
die Angst der Mädchen, Fehler zu machen,
die Angst der Mädchen, Fehler zu machen,
06:22
We immediately see in our program
120
370160
2376
06:24
our girls' fear of not getting it right,
121
372560
2336
06:26
of not being perfect.
122
374920
1240
nicht perfekt zu sein.
06:28
Every Girls Who Code teacher
tells me the same story.
tells me the same story.
123
376840
3176
Jede "Girls Who Code"-Lehrerin
erzählt mir die gleiche Geschichte.
erzählt mir die gleiche Geschichte.
06:32
During the first week,
when the girls are learning how to code,
when the girls are learning how to code,
124
380040
2976
In der ersten Woche, wenn die Mädchen
Programmieren lernen,
Programmieren lernen,
06:35
a student will call her over
and she'll say,
and she'll say,
125
383040
2976
meldet sich eine Schülerin und sagt:
06:38
"I don't know what code to write."
126
386040
2016
"Ich weiß nicht, was ich schreiben soll."
06:40
The teacher will look at her screen,
127
388080
1936
Die Lehrerin schaut auf den Bildschirm
06:42
and she'll see a blank text editor.
128
390040
1880
und findet einen leeren Text-Editor vor.
06:44
If she didn't know any better,
she'd think that her student
she'd think that her student
129
392640
2816
Wenn sie es nicht besser wüsste,
würde sie denken,
würde sie denken,
dass ihre Schülerin die letzten 20 Minuten
untätig vor dem Bildschirm saß.
untätig vor dem Bildschirm saß.
06:47
spent the past 20 minutes
just staring at the screen.
just staring at the screen.
130
395480
3080
06:51
But if she presses undo a few times,
131
399400
3176
Wenn sie aber die Rückgängig-Taste drückt,
06:54
she'll see that her student
wrote code and then deleted it.
wrote code and then deleted it.
132
402600
3720
sieht sie, dass ihre Schülerin
Code geschrieben und dann gelöscht hat.
Code geschrieben und dann gelöscht hat.
06:58
She tried, she came close,
133
406840
3256
Sie versuchte es, kam der Sache nahe,
07:02
but she didn't get it exactly right.
134
410120
2080
hatte es aber nicht völlig richtig.
07:05
Instead of showing
the progress that she made,
the progress that she made,
135
413040
2616
Statt ihren Fortschritt zu zeigen,
07:07
she'd rather show nothing at all.
136
415680
1960
zeigte sie lieber gar nichts.
07:10
Perfection or bust.
137
418160
2840
Perfektion oder Pleite.
Ganz oder gar nicht.
Ganz oder gar nicht.
07:14
It turns out that our girls
are really good at coding,
are really good at coding,
138
422440
4760
Unsere Schülerinnen können
sehr gut programmieren,
sehr gut programmieren,
07:19
but it's not enough
just to teach them to code.
just to teach them to code.
139
427840
2191
aber es reicht nicht, ihnen nur
Programmieren beizubringen.
Programmieren beizubringen.
07:22
My friend Lev Brie, who is a professor
at the University of Columbia
at the University of Columbia
140
430720
3191
Mein Freund Lev Brie ist ein Dozent
an der University of Columbia
an der University of Columbia
07:25
and teaches intro to Java
141
433935
1761
und unterrichtet einen Java-Anfängerkurs.
07:27
tells me about his office hours
with computer science students.
with computer science students.
142
435720
3680
Er erzählte mir von seiner Sprechstunde
für die Informatikstudenten.
für die Informatikstudenten.
Wenn die Männer Probleme
mit einer der Aufgaben haben,
mit einer der Aufgaben haben,
07:32
When the guys are struggling
with an assignment,
with an assignment,
143
440120
2256
07:34
they'll come in and they'll say,
144
442400
1576
kommen sie zu ihm und sagen:
"Herr Professor, mit meinem Code
stimmt etwas nicht."
stimmt etwas nicht."
07:36
"Professor, there's something
wrong with my code."
wrong with my code."
145
444000
2360
Wenn Frauen zu ihm kommen, sagen sie:
07:38
The girls will come in and say,
146
446880
1496
07:40
"Professor, there's something
wrong with me."
wrong with me."
147
448400
4040
"Herr Professor, mit mir
stimmt etwas nicht."
stimmt etwas nicht."
07:45
We have to begin to undo
the socialization of perfection,
the socialization of perfection,
148
453520
3296
Wir müssen diese Sozialisierung
zur Perfektion rückgängig machen.
zur Perfektion rückgängig machen.
07:48
but we've got to combine it
with building a sisterhood
with building a sisterhood
149
456840
2616
Zusätzlich müssen wir eine
Schwesternschaft aufbauen,
Schwesternschaft aufbauen,
07:51
that lets girls know
that they are not alone.
that they are not alone.
150
459480
2840
die den Mädchen zeigt,
dass sie nicht allein sind.
dass sie nicht allein sind.
07:55
Because trying harder
is not going to fix a broken system.
is not going to fix a broken system.
151
463000
4040
Sich nur mehr anzustrengen,
wird das Problem nicht lösen.
wird das Problem nicht lösen.
07:59
I can't tell you how many women tell me,
152
467680
2256
Unzählige Frauen erzählen mir:
08:01
"I'm afraid to raise my hand,
153
469960
1776
"Ich traue mich nicht, mich zu melden.
08:03
I'm afraid to ask a question,
154
471760
2136
Ich habe Angst, eine Frage zu stellen,
08:05
because I don't want to be the only one
155
473920
2376
weil ich nicht die Einzige sein will,
08:08
who doesn't understand,
156
476320
1440
die es nicht verstanden hat.
08:10
the only one who is struggling.
157
478360
2680
Die Einzige, die Probleme hat."
08:13
When we teach girls to be brave
158
481840
2896
Wenn wir Mädchen
beibringen, mutig zu sein,
beibringen, mutig zu sein,
08:16
and we have a supportive network
cheering them on,
cheering them on,
159
484760
3296
und wir ein Netzwerk aus Unterstützern
aufbauen, das sie anfeuert,
aufbauen, das sie anfeuert,
08:20
they will build incredible things,
160
488080
3016
werden sie die unglaublichsten
Dinge programmieren.
Dinge programmieren.
08:23
and I see this every day.
161
491120
2720
Das sehe ich jeden Tag mit eigenen Augen.
08:26
Take, for instance,
two of our high school students
two of our high school students
162
494520
2616
Zwei unserer High School-Schülerinnen
08:29
who built a game called Tampon Run --
163
497160
2376
haben das Spiel 'Tampon Run' programmiert.
08:31
yes, Tampon Run --
164
499560
2456
Ja, 'Tampon Run'.
08:34
to fight against the menstruation taboo
165
502040
2416
Sie wollen damit das Tabu
rund um die Menstruation
rund um die Menstruation
und den Sexismus in der
Spieleindustrie bekämpfen.
Spieleindustrie bekämpfen.
08:36
and sexism in gaming.
166
504480
2200
Oder das Flüchtlingsmädchen aus Syrien,
08:39
Or the Syrian refugee
167
507840
1576
08:41
who dared show her love
for her new country
for her new country
168
509440
3520
die es wagte, ihre Liebe
zu ihrem neuen Land zu zeigen,
zu ihrem neuen Land zu zeigen,
08:45
by building an app
to help Americans get to the polls.
to help Americans get to the polls.
169
513600
4199
indem sie eine App baute, die Amerikaner
dazu motivieren soll, wählen zu gehen.
dazu motivieren soll, wählen zu gehen.
08:50
Or a 16-year-old girl
who built an algorithm
who built an algorithm
170
518760
4255
Ein 16-jähriges Mädchen
entwickelte einen Algorithmus,
entwickelte einen Algorithmus,
08:55
to help detect whether a cancer
is benign or malignant
is benign or malignant
171
523039
5057
der helfen soll, eine Krebserkrankung
als gut- oder bösartig zu erkennen.
als gut- oder bösartig zu erkennen.
09:00
in the off chance
that she can save her daddy's life
that she can save her daddy's life
172
528120
3376
Damit will sie das Leben
ihres Vaters retten,
ihres Vaters retten,
09:03
because he has cancer.
173
531520
2560
der an Krebs erkrankt ist.
09:07
These are just
three examples of thousands,
three examples of thousands,
174
535000
4400
Es gibt tausende solche Beispiele.
09:12
thousands of girls who have been
socialized to be imperfect,
socialized to be imperfect,
175
540120
4096
Tausende Mädchen, die lernten,
auch mal nicht perfekt zu sein,
auch mal nicht perfekt zu sein,
09:16
who have learned to keep trying,
who have learned perseverance.
who have learned perseverance.
176
544240
2953
etwas auszuprobieren und durchzuhalten.
09:19
And whether they become coders
177
547217
1999
Ob sie nun letztendlich
Programmierer werden
Programmierer werden
09:21
or the next Hillary Clinton or Beyoncé,
178
549240
2656
oder die nächste
Hillary Clinton oder Beyoncé,
Hillary Clinton oder Beyoncé,
09:23
they will not defer their dreams.
179
551920
3320
sie werden ihre Träume
nicht weiter aufschieben.
nicht weiter aufschieben.
09:27
And those dreams have never been
more important for our country.
more important for our country.
180
555960
4480
Diese Träume waren für unser Land
nie wichtiger als jetzt.
nie wichtiger als jetzt.
09:33
For the American economy,
for any economy to grow,
for any economy to grow,
181
561320
3136
Wenn die amerikanische oder
eine andere Wirtschaft weiter wachsen
eine andere Wirtschaft weiter wachsen
09:36
to truly innovate,
182
564480
2136
und innovativ bleiben will,
09:38
we cannot leave behind
half our population.
half our population.
183
566640
3200
können wir nicht die Hälfte unserer
Bevölkerung vernachlässigen.
Bevölkerung vernachlässigen.
Wir müssen unseren Mädchen beibringen,
sich mit Unvollkommenheiten wohlzufühlen.
sich mit Unvollkommenheiten wohlzufühlen.
09:42
We have to socialize our girls
to be comfortable with imperfection,
to be comfortable with imperfection,
184
570640
3696
09:46
and we've got to do it now.
185
574360
2920
Das müssen wir jetzt tun.
09:50
We cannot wait for them
to learn how to be brave like I did
to learn how to be brave like I did
186
578400
4216
Wir können nicht darauf warten, dass sie
irgendwann alleine lernen, mutig zu sein,
irgendwann alleine lernen, mutig zu sein,
09:54
when I was 33 years old.
187
582640
2080
so wie ich mit 33 Jahren.
Wir müssen ihnen in der Schule
09:57
We have to teach them
to be brave in schools
to be brave in schools
188
585240
2336
und früh in ihrem Werdegang
Mut vermitteln,
Mut vermitteln,
09:59
and early in their careers,
189
587600
1736
wenn es ihr Leben noch
bestmöglich beeinflussen kann
bestmöglich beeinflussen kann
10:01
when it has the most potential
to impact their lives
to impact their lives
190
589360
3136
10:04
and the lives of others,
191
592520
2016
und auch das Leben anderer.
10:06
and we have to show them
that they will be loved and accepted
that they will be loved and accepted
192
594560
4776
Wir müssen ihnen zeigen, dass wir
sie lieben und akzeptieren.
sie lieben und akzeptieren.
10:11
not for being perfect
193
599360
3056
Nicht, weil sie perfekt sind,
10:14
but for being courageous.
194
602440
2640
sondern weil sie sich etwas trauen.
10:17
And so I need each of you
to tell every young woman you know --
to tell every young woman you know --
195
605840
3816
Deswegen fordere ich Sie alle auf:
Sagen Sie jeder jungen Frau,
Sagen Sie jeder jungen Frau,
10:21
your sister, your niece,
your employee, your colleague --
your employee, your colleague --
196
609680
3416
Ihrer Schwester, Ihrer Nichte,
Ihrer Angestellten, Ihrer Kollegin,
Ihrer Angestellten, Ihrer Kollegin,
10:25
to be comfortable with imperfection,
197
613120
2560
dass sie sich mit Unvollkommenheiten
wohl fühlen soll.
wohl fühlen soll.
Wenn wir Mädchen beibringen,
nicht länger perfekt sein zu müssen,
nicht länger perfekt sein zu müssen,
10:28
because when we teach
girls to be imperfect,
girls to be imperfect,
198
616360
2496
10:30
and we help them leverage it,
199
618880
2576
verhelfen wir ihnen zum Durchbruch.
10:33
we will build a movement
of young women who are brave
of young women who are brave
200
621480
3896
Wir setzen eine Bewegung aus
jungen mutigen Frauen in Gange,
jungen mutigen Frauen in Gange,
10:37
and who will build
a better world for themselves
a better world for themselves
201
625400
3376
die eine bessere Welt
für sich und für jeden von uns
erschaffen werden.
erschaffen werden.
10:40
and for each and every one of us.
202
628800
3640
10:45
Thank you.
203
633160
1216
Danke.
10:46
(Applause)
204
634400
3920
(Applaus)
10:51
Thank you.
205
639080
1200
Danke.
10:57
Chris Anderson: Reshma, thank you.
206
645320
1656
Chris Anderson: Reshma, danke.
10:59
It's such a powerful vision you have.
You have a vision.
You have a vision.
207
647000
2680
Du hast so eine mitreißende Vision.
11:03
Tell me how it's going.
208
651680
1736
Erzähl mir mehr davon.
Wie viele Mädchen nehmen
an deinem Programm teil?
an deinem Programm teil?
11:05
How many girls
are involved now in your program?
are involved now in your program?
209
653440
2256
11:07
Reshma Saujani: Yeah.
So in 2012, we taught 20 girls.
So in 2012, we taught 20 girls.
210
655720
3656
Reshma Saujani: 2012 haben
wir 20 Mädchen unterrichtet.
wir 20 Mädchen unterrichtet.
11:11
This year we'll teach 40,000
in all 50 states.
in all 50 states.
211
659400
3536
Dieses Jahr werden es 40 000
in allen 50 Bundesstaaten sein.
in allen 50 Bundesstaaten sein.
11:14
(Applause)
212
662960
1256
(Applaus)
11:16
And that number is really powerful,
213
664240
3056
Diese Zahl ist wirklich beeindruckend,
11:19
because last year we only graduated
7,500 women in computer science.
7,500 women in computer science.
214
667320
5296
denn wir hatten letztes Jahr gerade einmal
7 500 Informatik-Absolventinnen.
7 500 Informatik-Absolventinnen.
11:24
Like, the problem is so bad
215
672640
2576
Weil die Lage so schlecht ist,
konnten wir in dieser kurzen Zeit
einen so großen Wandel herbeiführen.
einen so großen Wandel herbeiführen.
11:27
that we can make
that type of change quickly.
that type of change quickly.
216
675240
2480
11:30
CA: And you're working with some
of the companies in this room even,
of the companies in this room even,
217
678600
3216
CA: Du arbeitest mit einigen Firmen
zusammen, die heute hier sind?
zusammen, die heute hier sind?
Sie übernehmen Absolventinnen
aus deinem Programm?
aus deinem Programm?
11:33
who are welcoming
graduates from your program?
graduates from your program?
218
681840
2176
11:36
RS: Yeah, we have about 80 partners,
219
684040
1976
RS: Ja, wir haben etwa 80 Partner.
11:38
from Twitter to Facebook
220
686040
2056
Von Twitter bis Facebook,
11:40
to Adobe to IBM to Microsoft
to Pixar to Disney,
to Pixar to Disney,
221
688120
4496
von Adobe über IBM bis Microsoft,
von Pixar bis Disney.
von Pixar bis Disney.
11:44
I mean, every single company out there.
222
692640
1896
Eigentlich fast jede Firma da draußen.
Und wenn ihr noch nicht dabei seid,
werde ich euch finden!
werde ich euch finden!
11:46
And if you're not signed up,
I'm going to find you,
I'm going to find you,
223
694560
2416
11:49
because we need every single tech company
224
697000
1976
Jedes einzelne Technologieunternehmen
11:51
to embed a Girls Who Code
classroom in their office.
classroom in their office.
225
699000
2776
sollte einen 'Girls Who Code'-Kurs
bei sich aufbauen.
bei sich aufbauen.
11:53
CA: And you have some stories
back from some of those companies
back from some of those companies
226
701800
2976
CA: Was passiert in diesen Unternehmen,
wenn man versucht,
gemischte Teams aufzubauen?
gemischte Teams aufzubauen?
11:56
that when you mix in more gender balance
227
704800
1905
11:58
in the engineering teams,
good things happen.
good things happen.
228
706729
3447
Verändert sich dann etwas zum Positiven?
12:02
RS: Great things happen.
229
710200
1296
RS: Es passieren wundervolle Dinge.
12:03
I mean, I think that it's crazy to me
to think about the fact
to think about the fact
230
711520
3416
Ich meine, es ist doch verrückt,
12:06
that right now 85 percent of all
consumer purchases are made by women.
consumer purchases are made by women.
231
714960
3856
dass 85 % aller Einkäufe von
Frauen getätigt werden.
Frauen getätigt werden.
12:10
Women use social media at a rate
of 600 percent more than men.
of 600 percent more than men.
232
718840
3056
Frauen benutzen soziale Medien
sechsmal häufiger als Männer.
sechsmal häufiger als Männer.
Uns gehört quasi das Internet,
12:13
We own the Internet,
233
721920
1416
dann sollten wir doch auch
die Unternehmen von morgen aufbauen.
die Unternehmen von morgen aufbauen.
12:15
and we should be building
the companies of tomorrow.
the companies of tomorrow.
234
723360
2456
12:17
And I think when companies
have diverse teams,
have diverse teams,
235
725840
2176
Wenn Unternehmen gemischte Teams
12:20
and they have incredible women
that are part of their engineering teams,
that are part of their engineering teams,
236
728040
3416
mit begabten Frauen
in ihren Entwicklerteams haben,
in ihren Entwicklerteams haben,
entstehen tolle Dinge.
12:23
they build awesome things,
and we see it every day.
and we see it every day.
237
731480
2416
Das sehen wir jeden Tag.
CA: Du hast die Reaktionen hier gesehen.
Deine Arbeit ist unglaublich wichtig.
Deine Arbeit ist unglaublich wichtig.
12:25
CA: Reshma, you saw the reaction there.
You're doing incredibly important work.
You're doing incredibly important work.
238
733920
3736
12:29
This whole community is cheering you on.
More power to you. Thank you.
More power to you. Thank you.
239
737680
3296
Die ganze Community feuert dich an.
Viel Erfolg weiterhin! Danke.
Viel Erfolg weiterhin! Danke.
12:33
RS: Thank you.
240
741000
1216
RS: Danke.
12:34
(Applause)
241
742240
3840
(Applaus)
ABOUT THE SPEAKER
Reshma Saujani - Education activistThrough her nonprofit, Girls Who Code, Reshma Saujani initiates young women into the tech world. Her goal: one million women in computer science by 2020.
Why you should listen
Reshma Saujani is the Founder and CEO of Girls Who Code, the national non-profit organization working to close the gender gap in technology and change the image of what a programmer looks like and does. The organization has already reached 90,000 girls in all 50 US states. She is the author of three books, including the forthcoming Brave, Not Perfect, which is scheduled for release in winter 2018, Women Who Don't Wait In Line and the New York Times Bestseller Girls Who Code: Learn to Code and Change the World. Her TED Talk has sparked a national conversation about how we're raising our girls. In 2010, Saujani surged onto the political scene as the first Indian American woman to run for US Congress. She has also served as Deputy Public Advocate for New York City and ran a spirited campaign for Public Advocate in 2013. She lives in New York City with her husband, Nihal, their son, Shaan, and their bulldog, Stanley.
Reshma Saujani | Speaker | TED.com