TED2017
Ray Dalio: How to build a company where the best ideas win
Ray Dalio: Wie sich in einer Firma die besten Ideen durchsetzen
Filmed:
Readability: 3.9
3,449,614 views
Was, wenn Sie wüssten, was Ihre Mitarbeiter wirklich über Sie denken und wie sie wirklich sind? Ray Dalio führt wirtschaftliche Argumente für radikale Transparenz und algorithmische Entscheidungsfindung an, um eine auf Ideen basierte Leistungskultur zu errichten, in der Leute frei sprechen und sagen können, was sie wirklich denken -- sogar der Chef kann kritisiert werden. Finden Sie heraus, wie diese Strategien Dalio bei der Erstellung eines der weltweit erfolgreichsten Hedgefonds geholfen haben und wie Sie das Potenzial datenbasierter Gruppenentscheidungen ausschöpfen können.
Ray Dalio - Hedge fund chair
Ray Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world. Full bio
Ray Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world. Full bio
Double-click the English transcript below to play the video.
00:12
Whether you like it or not,
0
560
1336
Egal, ob es Ihnen gefällt,
00:13
radical transparency and algorithmic
decision-making is coming at you fast,
decision-making is coming at you fast,
1
1920
5376
radikale Transparenz und algorithmische
Entscheidungsverfahren stürmen auf Sie zu
Entscheidungsverfahren stürmen auf Sie zu
00:19
and it's going to change your life.
2
7320
1976
und werden Ihr Leben verändern,
weil es jetzt einfach ist,
Algorithmen in Computer einzubinden
Algorithmen in Computer einzubinden
00:21
That's because it's now easy
to take algorithms
to take algorithms
3
9320
2816
00:24
and embed them into computers
4
12160
1896
00:26
and gather all that data
that you're leaving on yourself
that you're leaving on yourself
5
14080
2936
und alle Daten zu erfassen,
die Sie überall zurücklassen,
die Sie überall zurücklassen,
00:29
all over the place,
6
17040
1376
00:30
and know what you're like,
7
18440
1696
und zu wissen, wie Sie sind
00:32
and then direct the computers
to interact with you
to interact with you
8
20160
2936
und Computer anzuweisen,
mit Ihnen besser zu interagieren,
mit Ihnen besser zu interagieren,
00:35
in ways that are better
than most people can.
than most people can.
9
23120
2120
als es die meisten Menschen können.
00:38
Well, that might sound scary.
10
26160
1616
Das klingt vielleicht unheimlich.
00:39
I've been doing this for a long time
and I have found it to be wonderful.
and I have found it to be wonderful.
11
27800
3640
Ich mache das schon seit Langem
und finde es wunderbar.
und finde es wunderbar.
00:44
My objective has been
to have meaningful work
to have meaningful work
12
32159
2657
Mein Ziel ist sinnvolle Arbeit
und sinnvolle Beziehungen
mit Menschen, mit denen ich arbeite.
mit Menschen, mit denen ich arbeite.
00:46
and meaningful relationships
with the people I work with,
with the people I work with,
13
34840
2856
00:49
and I've learned that I couldn't have that
14
37720
2056
Ich habe gelernt, dass das nicht
ohne radikale Transparenz
ohne radikale Transparenz
00:51
unless I had that radical transparency
and that algorithmic decision-making.
and that algorithmic decision-making.
15
39800
4280
und algorithmische
Entscheidungsverfahren geht.
Entscheidungsverfahren geht.
00:56
I want to show you why that is,
16
44680
2016
Ich möchte Ihnen den Grund dafür zeigen
00:58
I want to show you how it works.
17
46720
1696
und wie es funktioniert.
01:00
And I warn you that some of the things
that I'm going to show you
that I'm going to show you
18
48440
3096
Ich warne Sie, einige Dinge,
die ich Ihnen zeigen werde,
werden Sie etwas schockieren.
werden Sie etwas schockieren.
01:03
probably are a little bit shocking.
19
51560
1667
01:05
Since I was a kid,
I've had a terrible rote memory.
I've had a terrible rote memory.
20
53760
3480
Seit meiner Kindheit bin ich
schlecht im Auswendiglernen.
schlecht im Auswendiglernen.
01:10
And I didn't like following instructions,
21
58120
2176
Ich befolgte nicht gerne Anweisungen.
01:12
I was no good at following instructions.
22
60320
2416
Ich war schlecht darin,
Anweisungen zu folgen.
Anweisungen zu folgen.
01:14
But I loved to figure out
how things worked for myself.
how things worked for myself.
23
62760
3000
Aber ich fand gerne selbst heraus,
wie Dinge funktionierten.
wie Dinge funktionierten.
01:18
When I was 12,
24
66680
1376
Als ich 12 war,
01:20
I hated school but I fell in love
with trading the markets.
with trading the markets.
25
68080
3280
hasste ich die Schule,
aber liebte den Handel an der Börse.
aber liebte den Handel an der Börse.
01:23
I caddied at the time,
26
71920
1656
Ich war damals ein Caddy
01:25
earned about five dollars a bag.
27
73600
1576
und verdiente $5 pro Tasche.
01:27
And I took my caddying money,
and I put it in the stock market.
and I put it in the stock market.
28
75200
3200
Ich investierte dieses Geld an der Börse,
01:31
And that was just because
the stock market was hot at the time.
the stock market was hot at the time.
29
79240
3376
weil die Börse zu der Zeit angesagt war.
01:34
And the first company I bought
30
82640
1456
Ich kaufte zuerst
01:36
was a company by the name
of Northeast Airlines.
of Northeast Airlines.
31
84120
2600
eine Gesellschaft namens
Northeast Airlines,
Northeast Airlines,
01:39
Northeast Airlines was
the only company I heard of
the only company I heard of
32
87360
2736
weil es die einzige war,
von der ich hörte,
von der ich hörte,
01:42
that was selling for less
than five dollars a share.
than five dollars a share.
33
90120
2696
dass sie Aktien für weniger
als fünf Dollar verkaufte.
als fünf Dollar verkaufte.
01:44
(Laughter)
34
92840
1976
(Gelächter)
01:46
And I figured I could buy more shares,
35
94840
1856
Ich dachte, ich könnte mehr kaufen.
01:48
and if it went up, I'd make more money.
36
96720
2096
Wenn der Wert stieg,
würde ich mehr verdienen.
würde ich mehr verdienen.
01:50
So, it was a dumb strategy, right?
37
98840
2840
Eine dumme Strategie, oder?
01:54
But I tripled my money,
38
102360
1456
Ich verdreifachte mein Geld,
01:55
and I tripled my money
because I got lucky.
because I got lucky.
39
103840
2120
weil ich Glück hatte.
01:58
The company was about to go bankrupt,
40
106520
1816
Die Firma stand kurz vor dem Konkurs,
02:00
but some other company acquired it,
41
108360
2096
aber eine andere Firma akquirierte sie
und ich verdreifachte mein Geld.
02:02
and I tripled my money.
42
110480
1456
02:03
And I was hooked.
43
111960
1200
Ich war total begeistert.
02:05
And I thought, "This game is easy."
44
113720
2280
Ich dachte: "Das ist ein einfaches Spiel."
02:09
With time,
45
117200
1216
Mit der Zeit lernte ich,
dass es überhaupt nicht einfach ist.
02:10
I learned this game is anything but easy.
46
118440
1960
02:12
In order to be an effective investor,
47
120880
2136
Um ein erfolgreicher Investor zu sein,
02:15
one has to bet against the consensus
48
123040
2896
muss man gegen den Konsens wetten
02:17
and be right.
49
125960
1256
und recht haben.
02:19
And it's not easy to bet
against the consensus and be right.
against the consensus and be right.
50
127240
2856
Es ist schwer, richtig
gegen den Konsens zu wetten.
gegen den Konsens zu wetten.
02:22
One has to bet against
the consensus and be right
the consensus and be right
51
130120
2336
Man muss gegen den Konsens
wetten und recht haben,
wetten und recht haben,
02:24
because the consensus
is built into the price.
is built into the price.
52
132480
2640
weil der Konsens im Preis
mit einkalkuliert ist.
mit einkalkuliert ist.
02:28
And in order to be an entrepreneur,
53
136120
2456
Um ein Unternehmer zu sein,
02:30
a successful entrepreneur,
54
138600
1616
ein erfolgreicher Unternehmer,
02:32
one has to bet against
the consensus and be right.
the consensus and be right.
55
140240
3480
muss man gegen den Konsens
wetten und recht haben.
wetten und recht haben.
02:37
I had to be an entrepreneur
and an investor --
and an investor --
56
145400
2936
Ich musste ein Unternehmer
und Investor sein
und Investor sein
02:40
and what goes along with that
is making a lot of painful mistakes.
is making a lot of painful mistakes.
57
148360
4200
und damit gehen oft
viele schmerzhafte Fehler einher.
viele schmerzhafte Fehler einher.
02:45
So I made a lot of painful mistakes,
58
153440
2816
Also machte ich viele schmerzhafte Fehler
02:48
and with time,
59
156280
1256
und mit der Zeit
02:49
my attitude about those mistakes
began to change.
began to change.
60
157560
2960
änderte sich meine Einstellung
gegenüber diesen Fehlern.
gegenüber diesen Fehlern.
02:53
I began to think of them as puzzles.
61
161160
2096
Ich fing an, sie als Rätsel anzusehen.
02:55
That if I could solve the puzzles,
62
163280
1936
Wenn ich die Rätsel lösen konnte,
02:57
they would give me gems.
63
165240
1440
würden sie mir Juwelen geben.
02:59
And the puzzles were:
64
167160
1656
Die Rätsel waren die folgenden:
03:00
What would I do differently in the future
so I wouldn't make that painful mistake?
so I wouldn't make that painful mistake?
65
168840
3880
Wie würde ich in Zukunft
diesen schmerzhaften Fehler vermeiden?
diesen schmerzhaften Fehler vermeiden?
03:05
And the gems were principles
66
173280
2576
Die Juwelen waren Prinzipien,
03:07
that I would then write down
so I would remember them
so I would remember them
67
175880
3136
die ich aufschrieb,
sodass ich sie nicht vergessen würde,
sodass ich sie nicht vergessen würde,
03:11
that would help me in the future.
68
179040
1572
die mir in Zukunft helfen würden.
03:13
And because I wrote them down so clearly,
69
181000
2696
Weil ich sie so deutlich aufschrieb,
03:15
I could then --
70
183720
1336
konnte ich dann --
03:17
eventually discovered --
71
185080
1576
stellte ich schließlich fest --
03:18
I could then embed them into algorithms.
72
186680
3760
ich konnte sie in Algorithmen einbetten.
03:23
And those algorithms
would be embedded in computers,
would be embedded in computers,
73
191400
3456
Diese Algorithmen würden
in Computer eingebunden werden
in Computer eingebunden werden
03:26
and the computers would
make decisions along with me;
make decisions along with me;
74
194880
3336
und die Computer würden mit mir
Entscheidungen treffen,
Entscheidungen treffen,
03:30
and so in parallel,
we would make these decisions.
we would make these decisions.
75
198240
3136
sodass wir diese Entscheidungen
parallel treffen würden.
parallel treffen würden.
03:33
And I could see how those decisions
then compared with my own decisions,
then compared with my own decisions,
76
201400
3976
Ich konnte diese Entscheidungen
mit meinen Entscheidungen vergleichen
mit meinen Entscheidungen vergleichen
03:37
and I could see that
those decisions were a lot better.
those decisions were a lot better.
77
205400
3096
und sah, dass diese Entscheidungen
viel besser waren,
viel besser waren,
03:40
And that was because the computer
could make decisions much faster,
could make decisions much faster,
78
208520
4736
weil der Computer schneller
Entscheidungen treffen konnte.
Entscheidungen treffen konnte.
03:45
it could process a lot more information
79
213280
2256
Er konnte mehr Informationen verarbeiten
03:47
and it can process decisions much more --
80
215560
3400
und Entscheidungen viel --
03:51
less emotionally.
81
219880
1200
weniger emotional verarbeiten.
03:54
So it radically improved
my decision-making.
my decision-making.
82
222760
3920
Also verbesserte er meine
Entscheidungsfindung grundlegend.
Entscheidungsfindung grundlegend.
04:00
Eight years after I started Bridgewater,
83
228440
4896
Acht Jahre nachdem ich
Bridgewater gegründet hatte,
Bridgewater gegründet hatte,
erlitt ich mein größtes Versagen,
04:05
I had my greatest failure,
84
233360
1536
04:06
my greatest mistake.
85
234920
1200
meinen größten Fehler.
04:09
It was late 1970s,
86
237680
2136
Es war Ende der 1970er,
04:11
I was 34 years old,
87
239840
1976
ich war 34 Jahre alt
04:13
and I had calculated that American banks
88
241840
3656
und hatte kalkuliert,
dass amerikanische Banken
dass amerikanische Banken
04:17
had lent much more money
to emerging countries
to emerging countries
89
245520
2856
Schwellenländern mehr Geld geliehen hatten
04:20
than those countries
were going to be able to pay back
were going to be able to pay back
90
248400
2816
als diese jemals
würden zurückzahlen können
würden zurückzahlen können
04:23
and that we would have
the greatest debt crisis
the greatest debt crisis
91
251240
2696
und dass wir die größte Schuldenkrise
seit der Weltwirtschaftskrise
erleben würden
erleben würden
04:25
since the Great Depression.
92
253960
1360
04:28
And with it, an economic crisis
93
256200
2216
und somit eine Wirtschaftskrise
04:30
and a big bear market in stocks.
94
258440
2040
und somit eine Baisse auf dem Aktienmarkt.
04:33
It was a controversial view at the time.
95
261680
2000
Das war damals eine umstrittene Ansicht.
04:36
People thought it was
kind of a crazy point of view.
kind of a crazy point of view.
96
264160
2440
Sie wurde als schwachsinniger
Standpunkt angesehen.
Standpunkt angesehen.
04:39
But in August 1982,
97
267480
2216
Aber im August 1982
04:41
Mexico defaulted on its debt,
98
269720
1960
kam Mexiko nicht seinen
Zahlungsverpflichtungen nach
Zahlungsverpflichtungen nach
04:44
and a number of other countries followed.
99
272520
2256
und mehrere andere Länder folgten.
04:46
And we had the greatest debt crisis
since the Great Depression.
since the Great Depression.
100
274800
3400
Wir erlitten die größte Schuldenkrise
seit der Weltwirtschaftskrise.
seit der Weltwirtschaftskrise.
04:51
And because I had anticipated that,
101
279080
2776
Weil ich das vorhergesehen hatte,
04:53
I was asked to testify to Congress
and appear on "Wall Street Week,"
and appear on "Wall Street Week,"
102
281880
4336
sollte ich vor dem Kongress sprechen
und in "Wall Street Week" erscheinen,
und in "Wall Street Week" erscheinen,
04:58
which was the show of the time.
103
286240
1976
was die Sendung der Zeit war.
05:00
Just to give you a flavor of that,
I've got a clip here,
I've got a clip here,
104
288240
2936
Ich habe hier einen Ausschnitt für Sie,
05:03
and you'll see me in there.
105
291200
1920
in dem Sie mich sehen werden.
(Video) Herr Vorsitzender, Herr Mitchell,
05:06
(Video) Mr. Chairman, Mr. Mitchell,
106
294480
1696
05:08
it's a great pleasure and a great honor
to be able to appear before you
to be able to appear before you
107
296200
3376
es ist für mich eine große Ehre
und eine Freude, hier zu sein
und eine Freude, hier zu sein
mit einer Untersuchung dessen,
was mit unserer Wirtschaft schiefläuft.
was mit unserer Wirtschaft schiefläuft.
05:11
in examination with what
is going wrong with our economy.
is going wrong with our economy.
108
299600
3480
05:15
The economy is now flat --
109
303640
1936
Es ist eine Wirtschaftsmisere
05:17
teetering on the brink of failure.
110
305600
2136
am Rande des Ruins.
05:19
Martin Zweig: You were recently
quoted in an article.
quoted in an article.
111
307760
2496
Martin Zweig: Sie wurden
ein einem Artikel zitiert.
ein einem Artikel zitiert.
Sie sagten: "Ich kann das
mit Sicherheit sagen,
mit Sicherheit sagen,
05:22
You said, "I can say this
with absolute certainty
with absolute certainty
112
310280
2336
05:24
because I know how markets work."
113
312640
1616
weil ich die Märkte verstehe."
05:26
Ray Dalio: I can say
with absolute certainty
with absolute certainty
114
314280
2096
Ray Dalio: Ich kann mit Sicherheit sagen,
dass, wenn man die Liquiditätsbasis
05:28
that if you look at the liquidity base
115
316400
1856
05:30
in the corporations
and the world as a whole,
and the world as a whole,
116
318280
3376
von Konzernen und
der ganzen Welt betrachtet,
der ganzen Welt betrachtet,
05:33
that there's such reduced
level of liquidity
level of liquidity
117
321680
2096
dass die Liquidität so verringert ist,
05:35
that you can't return
to an era of stagflation."
to an era of stagflation."
118
323800
3216
dass man nicht zu einer Periode
der Stagflation zurückkehren kann.
der Stagflation zurückkehren kann.
05:39
I look at that now, I think,
"What an arrogant jerk!"
"What an arrogant jerk!"
119
327040
3096
Wenn ich mir das jetzt ansehe,
denke ich: "Arroganter Idiot!"
denke ich: "Arroganter Idiot!"
05:42
(Laughter)
120
330160
2000
(Gelächter)
05:45
I was so arrogant, and I was so wrong.
121
333760
2456
Ich war so arrogant und lag so falsch.
05:48
I mean, while the debt crisis happened,
122
336240
2576
Während der Schuldenkrise
05:50
the stock market and the economy
went up rather than going down,
went up rather than going down,
123
338840
3976
verzeichneten die Aktienmärkte
und die Wirtschaft ein Plus
und die Wirtschaft ein Plus
05:54
and I lost so much money
for myself and for my clients
for myself and for my clients
124
342840
5016
und ich verlor so viel von meinem Geld
und dem Geld meiner Kunden,
und dem Geld meiner Kunden,
05:59
that I had to shut down
my operation pretty much,
my operation pretty much,
125
347880
3416
dass ich meinen Betrieb
weitgehend einstellen
weitgehend einstellen
und fast jeden entlassen musste.
06:03
I had to let almost everybody go.
126
351320
1880
06:05
And these were like extended family,
127
353640
1736
Wir waren wie eine Großfamilie.
06:07
I was heartbroken.
128
355400
1616
Ich war untröstlich.
06:09
And I had lost so much money
129
357040
1816
Und ich hatte so viel Geld verloren,
06:10
that I had to borrow
4,000 dollars from my dad
4,000 dollars from my dad
130
358880
3336
dass ich 4.000 Dollar
von meinem Vater leihen musste,
von meinem Vater leihen musste,
06:14
to help to pay my family bills.
131
362240
1920
um Rechnungen meiner Familie zu zahlen.
06:16
It was one of the most painful
experiences of my life ...
experiences of my life ...
132
364840
3160
Es war eine der schmerzhaftesten
Erfahrungen meines Lebens.
Erfahrungen meines Lebens.
06:21
but it turned out to be
one of the greatest experiences of my life
one of the greatest experiences of my life
133
369240
3776
Aber es stellte sich als eine der besten
Erfahrungen meines Lebens heraus,
Erfahrungen meines Lebens heraus,
06:25
because it changed my attitude
about decision-making.
about decision-making.
134
373040
2680
weil sie meine Ansicht
zu Entscheidungsfindung änderte.
zu Entscheidungsfindung änderte.
06:28
Rather than thinking, "I'm right,"
135
376360
3056
Anstatt zu denken: "Ich habe recht",
06:31
I started to ask myself,
136
379440
1576
begann ich, mich zu fragen:
06:33
"How do I know I'm right?"
137
381040
1800
"Wie weiß ich, dass ich recht habe?"
06:36
I gained a humility that I needed
138
384480
1936
Ich entwickelte die notwendige Demut,
06:38
in order to balance my audacity.
139
386440
2560
um meine Kühnheit auszugleichen.
06:41
I wanted to find the smartest
people who would disagree with me
people who would disagree with me
140
389880
4216
Ich wollte die intelligentesten Menschen
finden, die mir widersprechen würden,
finden, die mir widersprechen würden,
06:46
to try to understand their perspective
141
394120
1896
um ihre Perspektiven zu verstehen
06:48
or to have them
stress test my perspective.
stress test my perspective.
142
396040
2600
oder sie meine Perspektive
prüfen zu lassen.
prüfen zu lassen.
06:51
I wanted to make an idea meritocracy.
143
399400
2776
Ich wollte eine
Ideengesellschaft entwickeln.
Ideengesellschaft entwickeln.
06:54
In other words,
144
402200
1216
Das heißt,
06:55
not an autocracy in which
I would lead and others would follow
I would lead and others would follow
145
403440
3816
keine Autokratie,
in der ich führe und man mir folgt
in der ich führe und man mir folgt
06:59
and not a democracy in which everybody's
points of view were equally valued,
points of view were equally valued,
146
407280
3616
und keine Demokratie, in der alle
Standpunkte gleich bewertet werden,
Standpunkte gleich bewertet werden,
07:02
but I wanted to have an idea meritocracy
in which the best ideas would win out.
in which the best ideas would win out.
147
410920
5096
sondern eine Ideengesellschaft,
in der die besten Ideen gewinnen.
in der die besten Ideen gewinnen.
07:08
And in order to do that,
148
416040
1256
Um das zu erreichen,
07:09
I realized that we would need
radical truthfulness
radical truthfulness
149
417320
3576
erkannte ich, dass wir
radikale Ehrlichkeit
radikale Ehrlichkeit
und Transparenz brauchen würden.
07:12
and radical transparency.
150
420920
1616
07:14
What I mean by radical truthfulness
and radical transparency
and radical transparency
151
422560
3856
Ich meine mit radikaler Ehrlichkeit
und radikaler Transparenz,
und radikaler Transparenz,
07:18
is people needed to say
what they really believed
what they really believed
152
426440
2656
dass man alles sagen muss,
was man wirklich glaubt
was man wirklich glaubt
07:21
and to see everything.
153
429120
2000
und alles sieht.
07:23
And we literally
tape almost all conversations
tape almost all conversations
154
431480
3936
Wir nehmen fast alle Gespräche auf
07:27
and let everybody see everything,
155
435440
1616
und lassen jeden alles einsehen.
07:29
because if we didn't do that,
156
437080
1416
Würden wir das nicht tun,
könnten wir keine auf Ideen basierte
Leistungsgesellschaft haben.
Leistungsgesellschaft haben.
07:30
we couldn't really have
an idea meritocracy.
an idea meritocracy.
157
438520
3080
07:34
In order to have an idea meritocracy,
158
442760
3696
Damit wir eine Ideen-basierte
Leistungsgesellschaft haben können,
Leistungsgesellschaft haben können,
lassen wir Leute sprechen
und sagen, was sie wollen.
und sagen, was sie wollen.
07:38
we have let people speak
and say what they want.
and say what they want.
159
446480
2376
07:40
Just to give you an example,
160
448880
1376
Als Beispiel
07:42
this is an email from Jim Haskel --
161
450280
2696
ist hier eine E-Mail von Jim Haskel --
07:45
somebody who works for me --
162
453000
1376
der für mich arbeitet --
07:46
and this was available
to everybody in the company.
to everybody in the company.
163
454400
3376
die der ganzen Firma zugänglich war.
07:49
"Ray, you deserve a 'D-'
164
457800
2536
"Ray, du hast eine 4 Minus verdient
07:52
for your performance
today in the meeting ...
today in the meeting ...
165
460360
2256
für deine Leistung
in der Besprechung heute --
in der Besprechung heute --
07:54
you did not prepare at all well
166
462640
1696
du warst gar nicht gut vorbereitet,
07:56
because there is no way
you could have been that disorganized."
you could have been that disorganized."
167
464360
3560
weil du so unmöglich unorganisiert bist."
08:01
Isn't that great?
168
469520
1216
Ist das nicht großartig?
08:02
(Laughter)
169
470760
1216
(Gelächter)
08:04
That's great.
170
472000
1216
Es ist großartig.
08:05
It's great because, first of all,
I needed feedback like that.
I needed feedback like that.
171
473240
2936
Es ist großartig, weil ich
solches Feedback brauchte.
solches Feedback brauchte.
08:08
I need feedback like that.
172
476200
1616
Ich brauche solches Feedback.
08:09
And it's great because if I don't let Jim,
and people like Jim,
and people like Jim,
173
477840
3456
Es ist großartig, weil,
wenn ich Jim und Leute wie Jim
wenn ich Jim und Leute wie Jim
08:13
to express their points of view,
174
481320
1576
nicht ihre Meinung äußern ließe,
wäre unsere Beziehung nicht dieselbe.
wäre unsere Beziehung nicht dieselbe.
08:14
our relationship wouldn't be the same.
175
482920
2056
08:17
And if I didn't make that public
for everybody to see,
for everybody to see,
176
485000
3056
Und wenn ich das nicht
öffentlich machen würde,
öffentlich machen würde,
08:20
we wouldn't have an idea meritocracy.
177
488080
1960
hätten wir keine Ideengesellschaft.
08:23
So for that last 25 years
that's how we've been operating.
that's how we've been operating.
178
491760
3280
Also arbeiten wir seit 25 Jahren so.
08:27
We've been operating
with this radical transparency
with this radical transparency
179
495640
3056
Wir arbeiten mit dieser
radikalen Transparenz
radikalen Transparenz
08:30
and then collecting these principles,
180
498720
2296
und sammeln diese Prinzipien,
08:33
largely from making mistakes,
181
501040
2056
größtenteils von Fehlern,
08:35
and then embedding
those principles into algorithms.
those principles into algorithms.
182
503120
4416
und betten diese Prinzipien
in Algorithmen ein.
in Algorithmen ein.
08:39
And then those algorithms provide --
183
507560
2696
Diese Algorithmen bieten --
08:42
we're following the algorithms
184
510280
2016
wir folgen diesen Algorithmen
08:44
in parallel with our thinking.
185
512320
1440
parallel mit unseren Gedanken.
08:47
That has been how we've run
the investment business,
the investment business,
186
515280
3176
So führen wir unser Investmentgeschäft
08:50
and it's how we also deal
with the people management.
with the people management.
187
518480
2736
und so gehen wir
mit Personalmanagement um.
mit Personalmanagement um.
08:53
In order to give you a glimmer
into what this looks like,
into what this looks like,
188
521240
3736
Um Ihnen einen Einblick zu ermöglichen,
08:57
I'd like to take you into a meeting
189
525000
2336
möchte ich Sie zu einer
Besprechung einladen
Besprechung einladen
08:59
and introduce you to a tool of ours
called the "Dot Collector"
called the "Dot Collector"
190
527360
3136
und Ihnen unser Werkzeug
namens "Punktesammler" vorstellen,
namens "Punktesammler" vorstellen,
09:02
that helps us do this.
191
530520
1280
welches uns dabei hilft.
09:07
A week after the US election,
192
535640
2176
Eine Woche nach der US-Wahl
09:09
our research team held a meeting
193
537840
2096
hatte unser Forschungsteam
eine Besprechung
eine Besprechung
09:11
to discuss what a Trump presidency
would mean for the US economy.
would mean for the US economy.
194
539960
3320
über die Bedeutung von Trumps
Präsidentschaft für die US-Wirtschaft.
Präsidentschaft für die US-Wirtschaft.
09:16
Naturally, people had
different opinions on the matter
different opinions on the matter
195
544000
2856
Natürlich hatten Leute
unterschiedliche Meinungen darüber
unterschiedliche Meinungen darüber
09:18
and how we were
approaching the discussion.
approaching the discussion.
196
546880
2040
und darüber, wie wir diskutierten.
09:21
The "Dot Collector" collects these views.
197
549840
2776
Der "Punktesammler"
sammelt diese Ansichten.
sammelt diese Ansichten.
09:24
It has a list of a few dozen attributes,
198
552640
2296
Er hat eine Liste von
ein paar dutzend Attributen
ein paar dutzend Attributen
09:26
so whenever somebody thinks something
about another person's thinking,
about another person's thinking,
199
554960
4016
und wenn jemand etwas darüber denkt,
was jemand anderes denkt,
was jemand anderes denkt,
09:31
it's easy for them
to convey their assessment;
to convey their assessment;
200
559000
2936
kann man leicht seine Einschätzung geben;
09:33
they simply note the attribute
and provide a rating from one to 10.
and provide a rating from one to 10.
201
561960
4520
man vermerkt das Attribut
und gibt eine Wertung von 1 bis 10.
und gibt eine Wertung von 1 bis 10.
09:39
For example, as the meeting began,
202
567520
2256
Als zum Beispiel die Besprechung begann,
09:41
a researcher named Jen rated me a three --
203
569800
3120
bewertete eine Forscherin
namens Jen mich mit einer drei --
namens Jen mich mit einer drei --
09:45
in other words, badly --
204
573640
2016
anders gesagt, schlecht --
09:47
(Laughter)
205
575680
1376
(Gelächter)
09:49
for not showing a good balance
of open-mindedness and assertiveness.
of open-mindedness and assertiveness.
206
577080
4160
für ein schlechtes Gleichgewicht
von Offenheit und Bestimmtheit.
von Offenheit und Bestimmtheit.
09:54
As the meeting transpired,
207
582080
1456
Während der Besprechung
09:55
Jen's assessments of people
added up like this.
added up like this.
208
583560
3240
setzten sich Jens Einschätzungen
von Menschen so zusammen.
von Menschen so zusammen.
09:59
Others in the room
have different opinions.
have different opinions.
209
587920
2176
Andere Anwesende sind anderer Meinung.
10:02
That's normal.
210
590120
1216
Das ist normal.
10:03
Different people are always
going to have different opinions.
going to have different opinions.
211
591360
2920
Unterschiedliche Leute
haben immer unterschiedliche Meinungen.
haben immer unterschiedliche Meinungen.
10:06
And who knows who's right?
212
594800
1400
Und wer weiß, wer recht hat?
10:09
Let's look at just what people thought
about how I was doing.
about how I was doing.
213
597240
3440
Schauen wir uns an,
wie ich bewertet wurde.
wie ich bewertet wurde.
10:13
Some people thought I did well,
214
601600
2216
Manche Leute fanden, ich war gut,
10:15
others, poorly.
215
603840
1200
andere weniger.
10:18
With each of these views,
216
606080
1336
Mit jeder dieser Meinungen
10:19
we can explore the thinking
behind the numbers.
behind the numbers.
217
607440
2320
können wir Gedanken
hinter den Zahlen untersuchen.
hinter den Zahlen untersuchen.
10:22
Here's what Jen and Larry said.
218
610520
2160
Jen und Larry sagten das.
10:25
Note that everyone
gets to express their thinking,
gets to express their thinking,
219
613760
2616
Alle dürfen ihre Gedanken äußern,
10:28
including their critical thinking,
220
616400
1656
auch ihre kritischen Gedanken,
10:30
regardless of their position
in the company.
in the company.
221
618080
2120
unabhängig von ihrer Position
im Unternehmen.
im Unternehmen.
10:33
Jen, who's 24 years old
and right out of college,
and right out of college,
222
621120
3096
Jen, 24 Jahre alt
und gerade erst fertig studiert,
und gerade erst fertig studiert,
10:36
can tell me, the CEO,
that I'm approaching things terribly.
that I'm approaching things terribly.
223
624240
2840
kann mir, dem CEO, sagen,
meine Herangehensweise sei schlecht.
meine Herangehensweise sei schlecht.
10:40
This tool helps people
both express their opinions
both express their opinions
224
628480
3776
Dieses Werkzeug hilft Menschen,
ihre Meinung zu äußern
ihre Meinung zu äußern
10:44
and then separate themselves
from their opinions
from their opinions
225
632280
3096
und sich von ihrer Meinung
zu distanzieren,
zu distanzieren,
10:47
to see things from a higher level.
226
635400
2040
um Dinge auf höherem Niveau zu betrachten.
10:50
When Jen and others shift their attentions
from inputting their own opinions
from inputting their own opinions
227
638640
4896
Wenn Jen und andere ihre Aufmerksamkeit
von ihrer eigenen Meinungsäußerung
von ihrer eigenen Meinungsäußerung
10:55
to looking down on the whole screen,
228
643560
2576
auf den gesamten Bildschirm lenken,
10:58
their perspective changes.
229
646160
1720
ändert sich ihre Perspektive.
11:00
They see their own opinions
as just one of many
as just one of many
230
648680
3136
Sie sehen ihre Meinung als eine von vielen
11:03
and naturally start asking themselves,
231
651840
2536
und fragen sich natürlich:
11:06
"How do I know my opinion is right?"
232
654400
2000
"Wie weiß ich, dass ich recht habe?"
11:09
That shift in perspective is like going
from seeing in one dimension
from seeing in one dimension
233
657480
4056
Diese Änderung in Perspektive ist,
als würde man von eindimensionaler
als würde man von eindimensionaler
11:13
to seeing in multiple dimensions.
234
661560
2256
zu mehrdimensionaler Sicht wechseln
11:15
And it shifts the conversation
from arguing over our opinions
from arguing over our opinions
235
663840
4096
und sie steuert die Konversation
von Streit über unsere Meinungen
von Streit über unsere Meinungen
11:19
to figuring out objective criteria
for determining which opinions are best.
for determining which opinions are best.
236
667960
4400
zur Suche nach objektiven Kriterien,
welche Meinungen am besten sind.
welche Meinungen am besten sind.
11:24
Behind the "Dot Collector"
is a computer that is watching.
is a computer that is watching.
237
672920
3600
Hinter dem "Punktesammler"
steht ein Computer, der zusieht.
steht ein Computer, der zusieht.
11:29
It watches what all
these people are thinking
these people are thinking
238
677120
2176
Er sieht, was all diese Leute denken
und korreliert es damit, was sie denken.
11:31
and it correlates that
with how they think.
with how they think.
239
679320
2576
11:33
And it communicates advice
back to each of them based on that.
back to each of them based on that.
240
681920
3520
Auf dieser Basis gibt er
jedem von ihnen Ratschläge.
jedem von ihnen Ratschläge.
11:38
Then it draws the data
from all the meetings
from all the meetings
241
686520
3416
Dann stellt er die Daten
von allen Besprechungen dar
von allen Besprechungen dar
11:41
to create a pointilist painting
of what people are like
of what people are like
242
689960
3216
als ein pointillistisches Gemälde
davon, wie Leute sind
davon, wie Leute sind
11:45
and how they think.
243
693200
1240
und wie sie denken.
11:47
And it does that guided by algorithms.
244
695160
2720
Und er tut das auf Basis von Algorithmen.
11:50
Knowing what people are like helps
to match them better with their jobs.
to match them better with their jobs.
245
698800
3760
Zu wissen, wie Leute sind, hilft dabei,
ihnen Aufgaben besser zuzuweisen.
ihnen Aufgaben besser zuzuweisen.
11:55
For example,
246
703120
1216
Beispielsweise kann
ein unzuverlässiger kreativer Denker
ein unzuverlässiger kreativer Denker
11:56
a creative thinker who is unreliable
247
704360
1736
mit jemand zuverlässigem
aber unkreativen zusammenarbeiten.
aber unkreativen zusammenarbeiten.
11:58
might be matched up with someone
who's reliable but not creative.
who's reliable but not creative.
248
706120
3080
12:02
Knowing what people are like
also allows us to decide
also allows us to decide
249
710280
3336
Zu wissen, wie Leute sind,
erlaubt uns auch, zu entscheiden,
erlaubt uns auch, zu entscheiden,
12:05
what responsibilities to give them
250
713640
2256
welche Verantwortungen sie tragen sollten
12:07
and to weigh our decisions
based on people's merits.
based on people's merits.
251
715920
3480
und unsere Entscheidungen auf Basis
von ihren Stärken abzuwägen.
von ihren Stärken abzuwägen.
12:12
We call it their believability.
252
720040
1600
Wir nennen das Glaubwürdigkeit.
12:14
Here's an example of a vote that we took
253
722560
1976
In diesem Beispiel stimmten wir ab
12:16
where the majority
of people felt one way ...
of people felt one way ...
254
724560
2840
und die Mehrheit war einer Meinung,
12:20
but when we weighed the views
based on people's merits,
based on people's merits,
255
728920
2936
aber als wir individuelle Stärken
berücksichtigten,
berücksichtigten,
12:23
the answer was completely different.
256
731880
1840
war die Antwort ganz anders.
12:26
This process allows us to make decisions
not based on democracy,
not based on democracy,
257
734920
4576
Dieser Vorgang ermöglicht uns,
Entscheidungen nicht demokratisch,
Entscheidungen nicht demokratisch,
12:31
not based on autocracy,
258
739520
2136
nicht autokratisch,
12:33
but based on algorithms that take
people's believability into consideration.
people's believability into consideration.
259
741680
5240
sondern mit Algorithmen zu treffen,
die Glaubwürdigkeit berücksichtigen.
die Glaubwürdigkeit berücksichtigen.
12:41
Yup, we really do this.
260
749520
1696
Ja, wir machen das wirklich.
12:43
(Laughter)
261
751240
3296
(Gelächter)
12:46
We do it because it eliminates
262
754560
2856
Wir machen das, weil es eliminiert,
12:49
what I believe to be
one of the greatest tragedies of mankind,
one of the greatest tragedies of mankind,
263
757440
4456
was ich für eine der größten Tragödien
der Menschheit halte,
der Menschheit halte,
12:53
and that is people arrogantly,
264
761920
2160
nämlich dass Leute arrogant
12:56
naïvely holding opinions
in their minds that are wrong,
in their minds that are wrong,
265
764760
4456
und naiv Meinungen vertreten,
die falsch sind,
die falsch sind,
13:01
and acting on them,
266
769240
1256
und danach handeln,
13:02
and not putting them out there
to stress test them.
to stress test them.
267
770520
2760
anstatt sie zu präsentieren
und zu überprüfen.
und zu überprüfen.
13:06
And that's a tragedy.
268
774000
1336
Und das ist tragisch.
13:07
And we do it because it elevates ourselves
above our own opinions
above our own opinions
269
775360
5416
Wir tun das, weil es uns
über unsere Meinung erhebt,
über unsere Meinung erhebt,
13:12
so that we start to see things
through everybody's eyes,
through everybody's eyes,
270
780800
2896
sodass wir anfangen,
Dinge durch jedermanns Augen
Dinge durch jedermanns Augen
13:15
and we see things collectively.
271
783720
1920
und kollektiv zu sehen.
13:18
Collective decision-making is so much
better than individual decision-making
better than individual decision-making
272
786360
4336
Kollektive ist viel besser
als individuelle Entscheidungsfindung,
als individuelle Entscheidungsfindung,
13:22
if it's done well.
273
790720
1200
wenn es gut gemacht wird.
13:24
It's been the secret sauce
behind our success.
behind our success.
274
792360
2616
Das ist die geheime Zutat unseres Erfolgs.
13:27
It's why we've made
more money for our clients
more money for our clients
275
795000
2176
So verdienen wir mehr Geld
für unsere Kunden
für unsere Kunden
als alle anderen Hedgefonds
13:29
than any other hedge fund in existence
276
797200
1936
13:31
and made money
23 out of the last 26 years.
23 out of the last 26 years.
277
799160
2720
und haben in 23 von den letzten
26 Jahren Geld verdient.
26 Jahren Geld verdient.
13:35
So what's the problem
with being radically truthful
with being radically truthful
278
803880
4536
Was ist also das Problem
mit radikaler Ehrlichkeit
mit radikaler Ehrlichkeit
13:40
and radically transparent with each other?
279
808440
2240
und radikaler Transparenz miteinander?
13:45
People say it's emotionally difficult.
280
813400
2080
Manche Leute finden es
emotional schwierig.
emotional schwierig.
13:48
Critics say it's a formula
for a brutal work environment.
for a brutal work environment.
281
816240
4240
Kritiker sagen, es führe
zu einem brutalen Arbeitsumfeld.
zu einem brutalen Arbeitsumfeld.
13:53
Neuroscientists tell me it has to do
with how are brains are prewired.
with how are brains are prewired.
282
821400
4856
Neurobiologen sagen,
unsere Gehirne seien so verdrahtet,
unsere Gehirne seien so verdrahtet,
13:58
There's a part of our brain
that would like to know our mistakes
that would like to know our mistakes
283
826280
3216
dass ein Teil des Gehirns
unsere Fehler wissen will
unsere Fehler wissen will
14:01
and like to look at our weaknesses
so we could do better.
so we could do better.
284
829520
3960
und unsere Schwächen betrachten will,
sodass wir davon lernen können.
sodass wir davon lernen können.
14:06
I'm told that that's
the prefrontal cortex.
the prefrontal cortex.
285
834120
2440
Das geschieht anscheinend
im präfrontalen Kortex.
im präfrontalen Kortex.
14:09
And then there's a part of our brain
which views all of this as attacks.
which views all of this as attacks.
286
837040
4856
Ein anderer Teil unseres Gehirns
nimmt das als Angriff wahr.
nimmt das als Angriff wahr.
14:13
I'm told that that's the amygdala.
287
841920
1960
Das ist die Amygdala.
14:16
In other words,
there are two you's inside you:
there are two you's inside you:
288
844440
3056
In anderen Worten
haben wir zwei Identitäten in uns:
haben wir zwei Identitäten in uns:
14:19
there's an emotional you
289
847520
1416
eine emotionale
14:20
and there's an intellectual you,
290
848960
1776
und eine intellektuelle,
14:22
and often they're at odds,
291
850760
1776
die sich oft uneinig sind
14:24
and often they work against you.
292
852560
1920
und oft gegen uns arbeiten.
14:27
It's been our experience
that we can win this battle.
that we can win this battle.
293
855160
3736
In unserer Erfahrung können wir
diesen Kampf gewinnen,
diesen Kampf gewinnen,
14:30
We win it as a group.
294
858920
1320
wenn wir gemeinsam kämpfen.
14:33
It takes about 18 months typically
295
861000
2336
Es dauert normalerweise etwa 18 Monate,
14:35
to find that most people
prefer operating this way,
prefer operating this way,
296
863360
3056
bis die meisten Leute
diese Herangehensweise bevorzugen
diese Herangehensweise bevorzugen
14:38
with this radical transparency
297
866440
2016
mit radikaler Transparenz
14:40
than to be operating
in a more opaque environment.
in a more opaque environment.
298
868480
3336
gegenüber einem undurchsichtigeren Umfeld.
14:43
There's not politics,
there's not the brutality of --
there's not the brutality of --
299
871840
4296
Es gibt keine Politik,
keine Brutalität von --
keine Brutalität von --
14:48
you know, all of that hidden,
behind-the-scenes --
behind-the-scenes --
300
876160
2376
all das versteckte, hinter den Kulissen --
14:50
there's an idea meritocracy
where people can speak up.
where people can speak up.
301
878560
2936
es ist eine Ideengesellschaft,
wo man seine Meinung sagen kann.
wo man seine Meinung sagen kann.
14:53
And that's been great.
302
881520
1256
Und das ist großartig.
14:54
It's given us more effective work,
303
882800
1656
Es lässt uns effektiver arbeiten
14:56
and it's given us
more effective relationships.
more effective relationships.
304
884480
2400
und effektiver Beziehungen aufbauen.
14:59
But it's not for everybody.
305
887400
1320
Aber es passt nicht jedem.
15:01
We found something like
25 or 30 percent of the population
25 or 30 percent of the population
306
889680
2936
Für etwa 25 bis 30 % der Bevölkerung
15:04
it's just not for.
307
892640
1736
funktioniert es nicht.
15:06
And by the way,
308
894400
1216
Übrigens,
15:07
when I say radical transparency,
309
895640
1816
mit radikaler Transparenz
15:09
I'm not saying transparency
about everything.
about everything.
310
897480
2336
meine ich keine absolute Transparenz.
15:11
I mean, you don't have to tell somebody
that their bald spot is growing
that their bald spot is growing
311
899840
3816
Man sollte Leuten nicht sagen,
dass ihre kahlen Flecken sich vergrößern
dass ihre kahlen Flecken sich vergrößern
15:15
or their baby's ugly.
312
903680
1616
oder ihr Baby hässlich ist.
15:17
So, I'm just talking about --
313
905320
2096
Ich meine nur --
15:19
(Laughter)
314
907440
1216
(Gelächter)
15:20
talking about the important things.
315
908680
2176
wichtige Dinge.
15:22
So --
316
910880
1216
Also --
15:24
(Laughter)
317
912120
3200
(Gelächter)
15:28
So when you leave this room,
318
916600
1416
Wenn Sie gehen,
15:30
I'd like you to observe yourself
in conversations with others.
in conversations with others.
319
918040
4440
beobachten Sie sich im Umgang mit anderen.
15:35
Imagine if you knew
what they were really thinking,
what they were really thinking,
320
923360
3680
Stellen Sie sich vor, Sie wüssten,
was sie wirklich denken
was sie wirklich denken
15:39
and imagine if you knew
what they were really like ...
what they were really like ...
321
927760
2600
und Sie wüssten, wie sie wirklich sind
15:43
and imagine if they knew
what you were really thinking
what you were really thinking
322
931840
3976
und sie wüssten, was Sie wirklich denken
15:47
and what were really like.
323
935840
1840
und wie Sie wirklich sind.
15:50
It would certainly clear things up a lot
324
938160
2576
Es würde mit Sicherheit Dinge klären
15:52
and make your operations
together more effective.
together more effective.
325
940760
2856
und Ihre gemeinsamen Handlungen
erfolgreicher machen.
erfolgreicher machen.
15:55
I think it will improve
your relationships.
your relationships.
326
943640
2240
Es wird Ihre Beziehungen verbessern.
15:58
Now imagine that you can have algorithms
327
946600
3296
Stellen Sie sich vor,
Sie hätten Algorithmen,
Sie hätten Algorithmen,
16:01
that will help you gather
all of that information
all of that information
328
949920
3816
die Ihnen beim Sammeln
dieser Informationen helfen
dieser Informationen helfen
16:05
and even help you make decisions
in an idea-meritocratic way.
in an idea-meritocratic way.
329
953760
4560
und Ihnen sogar helfen, Entscheidungen
auf den besten Ideen zu basieren.
auf den besten Ideen zu basieren.
16:12
This sort of radical transparency
is coming at you
is coming at you
330
960640
4336
Diese radikale Transparenz
kommt auf Sie zu
kommt auf Sie zu
16:17
and it is going to affect your life.
331
965000
1960
und wird Ihr Leben beeinflussen.
16:19
And in my opinion,
332
967600
2056
Meiner Meinung nach
16:21
it's going to be wonderful.
333
969680
1336
wird es großartig sein.
16:23
So I hope it is as wonderful for you
334
971040
2336
Ich hoffe, es wird so großartig für Sie
16:25
as it is for me.
335
973400
1200
wie für mich.
16:27
Thank you very much.
336
975160
1256
Vielen Dank.
16:28
(Applause)
337
976440
4360
(Beifall)
ABOUT THE SPEAKER
Ray Dalio - Hedge fund chairRay Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world.
Why you should listen
Dalio started Bridgewater out of his two-bedroom apartment in New York City in 1975 and has grown it into the fifth most important private company in the U.S. (according to Fortune magazine). Because of the firm’s many industry-changing innovations over its 40-year history, he has been called the “Steve Jobs of investing” by aiCIO magazine and named one of TIME magazine’s "100 Most Influential People."
Dalio attributes Bridgewater’s success to its unique culture. He describes it as “a believability-weighted idea meritocracy” in which the people strive for “meaningful work and meaningful relationships through radical truth and radical transparency.” He has explained this approach in his book Principles, which has been downloaded more than three million times and has produced considerable curiosity and controversy.
Ray Dalio | Speaker | TED.com