TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee über das nächste Web
Filmed:
Readability: 3.8
1,638,798 views
Vor 20 Jahren erfand Tim Berners-Lee das World Wide Web. In seinem nächsten Projekt möchte er ein Netz für offen zugängliche und verknüpfte Daten schaffen, das für Zahlen das erreichen könnte, was das Web für Wörter, Bilder und Videos geleistet hat: unsere Daten frei zur Verfügung zu stellen und die Art und Weise, wie wir sie verwenden und kombinieren, neu zu gestalten.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
Die Zeit vergeht wie im Flug.
00:20
It's actually almost 20 years ago
1
2000
2000
Es ist tatsächlich fast 20 Jahre her,
00:22
when I wanted to reframe the way we use information,
2
4000
4000
als ich die Art und Weise neu ausrichten wollte, wie wir Informationen nutzen,
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
die Art und Weise wie wir zusammenarbeiten. Ich erfand das World Wide Web.
00:29
Now, 20 years on, at TED,
4
11000
3000
Nun, 20 Jahre später, hier bei TED
00:32
I want to ask your help in a new reframing.
5
14000
4000
möchte ich Sie um eine erneute Neuausrichtung bitten.
00:37
So going back to 1989,
6
19000
4000
Lassen Sie uns ins Jahr 1989 zurückgehen.
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
Damals habe ich ein Memo verfasst, in dem ich das globale Hypertext-System vorschlug.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Es hat eigentlich kaum jemanden interessiert.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Aber 18 Monate später -- so ereignen sich Innovationen --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 Monate später sagte mir mein Vorgesetzter, ich könne es nebenbei machen,
00:55
as a sort of a play project,
11
37000
2000
als eine Art Projekt zum Herumspielen.
00:57
kick the tires of a new computer we'd got.
12
39000
2000
Einen neuen Computer ausprobieren, den wir bekommen hatten.
00:59
And so he gave me the time to code it up.
13
41000
3000
Also gab er mir die Zeit, es zu programmieren.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Ich habe im Wesentlichen skizziert, wie HTML aussehen sollte,
01:07
hypertext protocol, HTTP;
15
49000
3000
Hypertext-Protokoll -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
die Idee von URLs -- diese Namen für Dinge,
01:13
which started with HTTP.
17
55000
2000
die mit HTTP beginnen.
01:15
I wrote the code and put it out there.
18
57000
2000
Ich habe den Code geschrieben und ihn bereitgestellt.
01:17
Why did I do it?
19
59000
2000
Warum ich das getan habe?
01:19
Well, it was basically frustration.
20
61000
2000
Nun ja, es war im Wesentlichen Frustration.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Ich war frustriert. Ich arbeitete als Software-Entwickler
01:25
in this huge, very exciting lab,
22
67000
2000
in diesem riesigen, sehr aufregenden Labor,
01:27
lots of people coming from all over the world.
23
69000
2000
mit vielen Leuten aus der ganzen Welt.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Sie brachten die verschiedensten Arten von Computern mit sich.
01:32
They had all sorts of different data formats,
25
74000
3000
Sie hatten alle möglichen verschiedenen Arten an Datenformaten.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Alle möglichen Dokumentationssysteme.
01:37
So that, in all that diversity,
27
79000
3000
Wenn ich bei dieser Vielfalt
01:40
if I wanted to figure out how to build something
28
82000
2000
herausfinden wollte, wie etwas entwickelt werden musste,
01:42
out of a bit of this and a bit of this,
29
84000
2000
mit einem bisschen von diesem und jenem,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
bei allem, was ich mir ansah, musste ich mich mit einer neuen Maschine verbinden,
01:48
I had to learn to run some new program,
31
90000
2000
ich musste lernen, neue Programme zu starten,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
und die Informationen, die ich benötigte, würde ich in einem neuen Datenformat finden.
01:55
And these were all incompatible.
33
97000
2000
Und all diese waren inkompatibel.
01:57
It was just very frustrating.
34
99000
2000
Es war einfach sehr frustrierend.
01:59
The frustration was all this unlocked potential.
35
101000
2000
Die Frustration lag in all diesem Potenzial.
02:01
In fact, on all these discs there were documents.
36
103000
3000
Tatsächlich waren auf all diesen Platten Dokumente.
02:04
So if you just imagined them all
37
106000
3000
Wenn Sie sich also vorstellten, dass all diese
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
Teil eines großen, virtuellen Dokumentationssystems im Himmel,
02:12
say on the Internet,
39
114000
2000
sagen wir im Internet, wären,
02:14
then life would be so much easier.
40
116000
2000
dann wäre das Leben so viel einfacher.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Wenn man einmal solch eine Idee hat, lässt es einen nicht mehr los,
02:20
and even if people don't read your memo --
42
122000
2000
und selbst wenn die Leute dein Memo nicht lesen --
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
er hat es tatsächlich gelesen, seine Kopie wurde nach seinem Tod gefunden.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Er schrieb "Unklar, aber hochinteressant", mit Bleistift in die Ecke.
02:28
(Laughter)
45
130000
2000
(Lachen)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Aber grundsätzlich war es schwierig. Es war wirklich schwierig zu erklären,
02:34
what the web was like.
47
136000
2000
wie das Web sein würde.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Es ist schwierig den Leuten heute zu erklären, dass es damals schwierig war.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Aber dann -- OK, als TED startete, gab es noch kein Web.
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
Also hatten Dinge wie ein Klick nicht dieselbe Bedeutung.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Ich kann irgendwem ein Stück Hypertext zeigen,
02:46
a page which has got links,
52
148000
2000
eine Seite, die Links hat,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
und wir klicken auf den Link und bing -- da ist eine andere Hypertext-Seite.
02:52
Not impressive.
54
154000
2000
Nicht beeindruckend.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Wissen Sie, wir haben das bereits gesehen. Wir haben bereits Dinge als Hypertext auf CD-ROMs.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Es war schwierig, ihnen begreiflich zu machen,
03:00
so, imagine that that link could have gone
57
162000
4000
also begreiflich, dass dieser Link zu
03:04
to virtually any document you could imagine.
58
166000
2000
praktisch jedem Dokument verweisen könnte, das man sich vorstellen kann.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Das ist der Gedankensprung, der vielen Leuten schwer gefallen ist.
03:11
Well, some people did.
60
173000
2000
Nun ja, einigen Leuten gelang er.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Ja, es war schwierig zu erklären, aber dennoch gab es eine Graswurzelbewegung.
03:17
And that is what has made it most fun.
62
179000
4000
Und genau das ist es, was am meisten Spaß gemacht hat.
03:21
That has been the most exciting thing,
63
183000
2000
Das war das Aufregendste.
03:23
not the technology, not the things people have done with it,
64
185000
2000
Nicht die Technologie, nicht die Dinge, die die Leute damit gemacht haben,
03:25
but actually the community, the spirit of all these people
65
187000
2000
sondern vielmehr die Gemeinschaft, der Geist all dieser Leute.
03:27
getting together, sending the emails.
66
189000
2000
Das Zusammenkommen, das Senden von E-Mails.
03:29
That's what it was like then.
67
191000
2000
Das ist wie es damals war.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
Wissen Sie was? Es ist lustig, aber jetzt ist die Situation wieder sehr ähnlich.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Ich habe mehr oder weniger jeden gebeten, seine Dokumente einzustellen.
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Ich sagte: "Könntet ihr eure Dokumente in dieses Web-Ding einstellen?"
03:39
And you did.
71
201000
3000
Und ihr habt es getan.
03:42
Thanks.
72
204000
1000
Danke.
03:43
It's been a blast, hasn't it?
73
205000
2000
Es ist wie eine Explosion gewesen, nicht?
03:45
I mean, it has been quite interesting
74
207000
2000
Ich meine, es ist sehr interessant gewesen,
03:47
because we've found out that the things that happen with the web
75
209000
2000
da wir herausgefunden haben, dass uns die Dinge, die im Web passieren
03:49
really sort of blow us away.
76
211000
2000
wirklich sozusagen umhauen.
03:51
They're much more than we'd originally imagined
77
213000
2000
Es ist viel mehr als wir ursprünglich angenommen hatten,
03:53
when we put together the little, initial website
78
215000
2000
als wir unsere erste Website zusammensetzten,
03:55
that we started off with.
79
217000
2000
mit der wir angefangen hatten.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Jetzt möchte ich, dass Sie Ihre Daten ins Web stellen.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Es stellt sich heraus, dass es hier immer noch riesiges Potenzial gibt.
04:04
There is still a huge frustration
82
226000
2000
Es gibt immer noch große Frustration
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
unter den Leuten, da wir Daten nicht als Daten im Web haben.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
Was meinen Sie mit Daten? Was ist der Unterschied -- Dokumente, Daten?
04:12
Well, documents you read, OK?
85
234000
3000
Dokumente liest man, OK?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Mehr oder weniger, man liest sie, man kann Links weiterverfolgen und das war's.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Mit Daten kann man alle möglichen Dinge mit einem Computer machen.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
Wer war hier oder hat anderweitig Hans Roslings Vortrag gesehen?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Einer der großartigen -- ja, viele Leute haben ihn gesehen --
04:30
one of the great TED Talks.
90
252000
2000
einer der großartigen TED-Vorträge.
04:32
Hans put up this presentation
91
254000
2000
Hans hat diese Präsentation zusammengestellt,
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
in der er verschiedene Länder in verschiedenen Farben zeigte.
04:39
he showed income levels on one axis
93
261000
3000
Er zeigte die Einkommenshöhen auf einer Achse
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
und er zeigte die Kindersterblichkeit, und er ließ es zeitlich ablaufen.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Er hat also diese Daten genommen und eine Präsentation erstellt,
04:49
which just shattered a lot of myths that people had
96
271000
3000
die viele Mythen zerschlug, an die die Leute glaubten,
04:52
about the economics in the developing world.
97
274000
4000
über die Wirtschaft in den Entwicklungsländern.
04:56
He put up a slide a little bit like this.
98
278000
2000
Er hat eine Folie wie diese hier erstellt.
04:58
It had underground all the data
99
280000
2000
Sie basierte auf all diesen Daten.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
OK, Daten sind braun, kastig und langweilig.
05:03
and that's how we think of it, isn't it?
101
285000
2000
So denken wir darüber, oder nicht?
05:05
Because data you can't naturally use by itself
102
287000
3000
Das liegt daran, dass man Daten an sich normalerweise nicht verwenden kann.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Aber tatsächlich tragen Daten ganz wesentlich dazu bei, was in unserem Leben geschieht.
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
Und es passiert, da jemand die Daten nimmt und etwas daraus macht.
05:15
In this case, Hans had put the data together
105
297000
2000
In diesem Fall hat Hans die Daten zusammengestellt.
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
Er hat sie auf allen möglichen Websites der Vereinten Nationen etc. gefunden.
05:22
He had put it together,
107
304000
2000
Er hat sie zusammengestellt,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
diese zu etwas Interessanterem kombiniert,
05:27
and then he'd put it into this software,
109
309000
5000
und dann hat er sie in diese Software überführt,
05:32
which I think his son developed, originally,
110
314000
2000
von der ich glaube, dass sie ursprünglich sein Sohn entwickelt hatte.
05:34
and produces this wonderful presentation.
111
316000
3000
Und er hat diese wundervolle Präsentation erstellt.
05:37
And Hans made a point
112
319000
2000
Und Hans bestand darauf
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
zu sagen: "Sehen Sie, es ist wirklich wichtig, viele Daten zu haben."
05:43
And I was happy to see that at the party last night
114
325000
3000
Und ich war froh, dass er auf der Feier letzte Nacht
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
immer noch mit Nachdruck sagte: "Es ist wirklich wichtig, viele Daten zu haben."
05:50
So I want us now to think about
116
332000
2000
Ich möchte nun, dass wir darüber nachdenken
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
nicht nur zwei Datensätze miteinander zu verknüpfen, oder sechs wie er.
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
Ich möchte eine Welt in Erwägung ziehen, in der jeder Daten ins Web gestellt hat,
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
und somit ist praktisch alles, was man sich vorstellen kann, im Web.
06:03
and then calling that linked data.
120
345000
2000
Und ich nenne es verknüpfte Daten (linked data).
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Die Technologie heißt verknüpfte Daten, und sie ist äußerst einfach.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Wenn Sie etwas ins Web stellen möchten, gibt es drei Regeln.
06:11
first thing is that those HTTP names --
123
353000
3000
Erstens, diese HTTP-Namen --
06:14
those things that start with "http:" --
124
356000
2000
diese Sachen, die mit http: beginnen --
06:16
we're using them not just for documents now,
125
358000
4000
werden jetzt nicht mehr nur für Dokumente verwendet,
06:20
we're using them for things that the documents are about.
126
362000
2000
sondern wir benutzen sie für Dinge, um die es in den Dokumenten geht.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Wir verwenden sie für Menschen, für Orte,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
für Produkte, für Ereignisse.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Alle konzeptionellen Dingen haben nun Namen, die mit HTTP beginnen.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
Zweitens, wenn ich einen dieser HTTP-Namen nehme und ihn nachschlage,
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
und ich im Web die Daten
06:39
using the HTTP protocol from the web,
132
381000
2000
über das HTTP-Protokoll abrufe,
06:41
I will get back some data in a standard format
133
383000
3000
werde ich einige Daten in einem Standardformat erhalten,
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
was ziemlich nützliche Daten sind, die jemand gerne
06:49
about that thing, about that event.
135
391000
2000
über die Sache oder das Ereignis hätte.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
Wer ist bei diesem Ereignis? Was auch immer über diese Person,
06:53
where they were born, things like that.
137
395000
2000
wo sie geboren wurde, Sachen wie diese.
06:55
So the second rule is I get important information back.
138
397000
2000
Die zweite Regel ist also, dass ich Informationen zurückerhalte.
06:57
Third rule is that when I get back that information
139
399000
4000
Die dritte Regel ist, dass es beim Erhalten von Informationen
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
nicht nur um die Größe, das Gewicht und den Geburtsort von jemanden geht.
07:04
it's got relationships.
141
406000
2000
Es gibt Beziehungen.
07:06
Data is relationships.
142
408000
2000
Daten sind Beziehungen.
07:08
Interestingly, data is relationships.
143
410000
2000
Interessanterweise sind Daten Beziehungen.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Diese Person wurde in Berlin geboren. Berlin liegt in Deutschland.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
Und wenn sie Beziehungen haben, immer wenn sie eine Beziehung ausdrücken,
07:17
then the other thing that it's related to
146
419000
3000
wird der zugehörigen Sache
07:20
is given one of those names that starts HTTP.
147
422000
4000
einer dieser Namen zugeteilt, die mit HTTP beginnen.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Also kann ich hingehen und diese Sache nachschlagen.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Ich schlage also eine Person nach. Ich kann den Ort nachschlagen, in dem sie geboren wurde.
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
Ich kann die Region nachschlagen, in der er liegt sowie die zugehörige Stadt,
07:32
and the population of it, and so on.
151
434000
3000
dessen Bevölkerung, und so weiter.
07:35
So I can browse this stuff.
152
437000
2000
Ich kann also dies alles durchsuchen.
07:37
So that's it, really.
153
439000
2000
Das war es schon.
07:39
That is linked data.
154
441000
2000
Das sind verknüpfte Daten.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Vor einigen Jahren schrieb ich einen Artikel mit dem Titel "Linked Data" ("Verknüpfte Daten")
07:44
and soon after that, things started to happen.
156
446000
4000
und kurz darauf haben die Dinge ihren Lauf genommen.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
Die Vorstellung von verknüpften Daten ist, dass wir viele, viele
07:52
of these boxes that Hans had,
158
454000
2000
dieser Kästen haben, die auch Hans hatte.
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
Und so können wir viele, viele Dinge aufkeimen lassen.
07:56
It's not just a whole lot of other plants.
160
458000
3000
Es ist nicht nur eine ganze Reihe anderer Pflanzen.
07:59
It's not just a root supplying a plant,
161
461000
2000
Es ist nicht nur eine Wurzel, die eine Pflanze beliefert,
08:01
but for each of those plants, whatever it is --
162
463000
3000
sondern für jede dieser Pflanzen, was auch immer sie sind --
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
eine Präsentation, eine Analyse, jemand, der nach Mustern in den Daten sucht --
08:07
they get to look at all the data
164
469000
3000
schauen sie sich alle diese Daten an
08:10
and they get it connected together,
165
472000
2000
und sie bekommen sie miteinander verbunden.
08:12
and the really important thing about data
166
474000
2000
Und das Wichtigste über Daten ist, dass
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
je mehr Dinge miteinander verbunden sind, desto mächtiger sind sie.
08:16
So, linked data.
168
478000
2000
Also, verknüpfte Daten.
08:18
The meme went out there.
169
480000
2000
Das Mem verbreitete sich.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
Und ziemlich bald war es Chris Bizer von der Freien Universität in Berlin,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
der als einer der ersten interessante Dinge eingestellt hat.
08:26
he noticed that Wikipedia --
172
488000
2000
Er stellte etwas in der Wikipedia fest.
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
Sie kennen Wikipedia, die Online-Enzyklopädie
08:31
with lots and lots of interesting documents in it.
174
493000
2000
mit vielen, vielen interessanten Dokumenten.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
In diesen Dokumenten gibt es kleine Vierecke, kleine Kästen.
08:37
And in most information boxes, there's data.
176
499000
3000
Und in den meisten Info-Kästen gibt es Daten.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Also schrieb er ein Programm, um die Daten zu entnehmen, um sie aus der Wikipedia auszulesen,
08:44
and put it into a blob of linked data
178
506000
2000
und er stellte sie als Sammlung von verknüpften Daten
08:46
on the web, which he called dbpedia.
179
508000
3000
ins Web, die er DBpedia nannte.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
DBpedia wird dargestellt durch den blauen Klecks in der Mitte dieser Folie
08:53
and if you actually go and look up Berlin,
181
515000
2000
und wenn Sie wirklich hingehen und Berlin nachschlagen,
08:55
you'll find that there are other blobs of data
182
517000
2000
werden Sie auch andere Datensammlungen finden,
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
die ebenfalls Material über Berlin enthalten, und sie sind miteinander verknüpft.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Wenn Sie also die Daten über Berlin aus DBpedia herausziehen,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
werden sie schließlich auch diese anderen Dinge herausziehen.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
Und das Aufregende ist, dass es zu wachsen beginnt.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Das ist nur das Graswurzelzeug wieder, OK?
09:10
Let's think about data for a bit.
188
532000
3000
Lassen Sie uns kurz über Daten nachdenken.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Daten kommen tatsächlich in vielen verschiedenen Formen daher.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Denken Sie an die Vielfalt im Web. Es ist absolut wichtig,
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
dass es das Web erlaubt, alle Arten von Daten einzustellen.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
So ist es mit Daten. Ich könnte über alle möglichen Arten von Daten sprechen.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Wir könnten über Regierungsdaten sprechen. Unternehmensdaten sind wirklich wichtig.
09:29
there's scientific data, there's personal data,
194
551000
3000
Es gibt wissenschaftliche Daten und persönliche Daten.
09:32
there's weather data, there's data about events,
195
554000
2000
Es gibt Wetterdaten, Daten über Ereignisse,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
über Vorträge, über Nachrichten und all diese Dinge.
09:38
I'm just going to mention a few of them
197
560000
3000
Ich werde nur ein paar davon erwähnen,
09:41
so that you get the idea of the diversity of it,
198
563000
2000
so dass Sie eine Vorstellung von der Vielfalt
09:43
so that you also see how much unlocked potential.
199
565000
4000
und dem vorhandenen Potenzial erhalten.
09:47
Let's start with government data.
200
569000
2000
Lassen Sie uns mit Regierungsdaten beginnen.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama sagte in einer Rede,
09:51
that he -- American government data would be available on the Internet
202
573000
5000
dass amerikanische Regierungsdaten im Internet verfügbar sein würden --
09:56
in accessible formats.
203
578000
2000
in zugänglichen Formaten.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
Und ich hoffe, dass sie diese als verknüpfte Daten einstellen werden.
10:00
That's important. Why is it important?
205
582000
2000
Das ist wichtig. Warum ist es wichtig?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
Nicht nur wegen der Transparenz. Ja, Transparenz innerhalb der Regierung ist wichtig.
10:05
but that data -- this is the data from all the government departments
207
587000
3000
Aber diese Daten -- dies sind die Daten aller staatlichen Einrichtungen.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Bedenken Sie wie viele dieser Daten über den amerikanischen Lebensstil sind.
10:13
It's actual useful. It's got value.
209
595000
2000
Sie sind wirklich nützlich. Sie haben einen Wert.
10:15
I can use it in my company.
210
597000
2000
Ich kann sie in meiner Firma verwenden.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Ich könnte sie als Kind verwenden, um meine Hausaufgaben zu machen.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Wir sprechen also darüber eine bessere Welt zu ermöglichen,
10:22
by making this data available.
213
604000
2000
indem diese Daten verfügbar gemacht werden.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
Wenn Sie verantwortlich sind -- wenn Sie von Daten
10:28
in a government department, often you find that
215
610000
2000
in einer staatlichen Einrichtung wissen, werden sie oftmals bemerken,
10:30
these people, they're very tempted to keep it --
216
612000
3000
dass die Leute sehr versucht sind, diese für sich zu behalten.
10:33
Hans calls it database hugging.
217
615000
3000
Hans nennt dies Datenbank-Umarmung ("database hugging").
10:36
You hug your database, you don't want to let it go
218
618000
2000
Sie umarmen Ihre Datenbank. Sie möchten sie nicht gehen lassen
10:38
until you've made a beautiful website for it.
219
620000
2000
bevor Sie eine wunderschöne Website dafür erstellt haben.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Ich möchte eher nahelegen --
10:42
yes, make a beautiful website,
221
624000
2000
ja, erstellen Sie eine schöne Website.
10:44
who am I to say don't make a beautiful website?
222
626000
2000
Wie könnte ich auch sagen, man solle keine schöne Website erstellen?
10:46
Make a beautiful website, but first
223
628000
3000
Erstellen Sie eine schöne Website, aber zunächst --
10:49
give us the unadulterated data,
224
631000
3000
geben Sie uns die unverfälschten Daten.
10:52
we want the data.
225
634000
2000
Wir möchten die Daten.
10:54
We want unadulterated data.
226
636000
2000
Wir möchten unverfälschte Daten.
10:56
OK, we have to ask for raw data now.
227
638000
3000
OK, wir müssen jetzt nach Rohdaten fragen.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Und ich möchte Sie darum bitten, dies zu üben, OK?
11:01
Can you say "raw"?
229
643000
1000
Können Sie "Roh" sagen?
11:02
Audience: Raw.
230
644000
1000
Publikum: "Roh."
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Können Sie "Daten" sagen?
11:04
Audience: Data.
232
646000
1000
Publikum: "Daten."
11:05
TBL: Can you say "now"?
233
647000
1000
Können Sie "Jetzt" sagen?
11:06
Audience: Now!
234
648000
1000
Publikum: "Jetzt."
11:07
TBL: Alright, "raw data now"!
235
649000
2000
Genau, Rohdaten jetzt!
11:09
Audience: Raw data now!
236
651000
2000
Publikum: "Rohdaten jetzt!"
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Üben Sie das. Es ist wichtig, da Sie sich nicht vorstellen können, wie viele Ausreden
11:15
people come up with to hang onto their data
238
657000
2000
ich von Leuten höre, die an ihren Daten festhalten
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
und diese nicht mit Ihnen teilen, auch wenn Sie dafür als Steuerzahler gezahlt haben.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Und das gilt nicht nur für Amerika. Es betrifft die ganze Welt.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
Und es gilt natürlich nicht nur für Regierungen. Es betrifft auch Unternehmen.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Ich möchte noch ein paar weitere Gedanken über Daten loswerden.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Wir sind hier bei TED und die ganze Zeit sind wir uns bewusst
11:34
of the huge challenges that human society has right now --
244
676000
5000
über die riesigen Herausforderungen der menschlichen Gesellschaft.
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
Krebs heilen, das Gehirn für die Alzheimer-Krankheit verstehen,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
die Wirtschaft verstehen, um sie ein wenig stabiler zu machen,
11:45
understanding how the world works.
247
687000
2000
verstehen wie die Welt funktioniert.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
Die Menschen, die sich diesen Herausforderungen stellen sind Wissenschaftler.
11:49
they have half-formed ideas in their head,
249
691000
2000
Sie haben erste Ideen in ihren Köpfen
11:51
they try to communicate those over the web.
250
693000
3000
und versuchen diese über das Web zu kommunizieren.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Aber ein großer Teil des Wissensstandes von uns Menschen
11:57
is on databases, often sitting in their computers,
252
699000
3000
befindet sich derzeit in Datenbanken, oft verborgen in unseren Computern
12:00
and actually, currently not shared.
253
702000
3000
und wird gegenwärtig nicht mit anderen geteilt.
12:03
In fact, I'll just go into one area --
254
705000
3000
Lassen Sie mich nur auf einen Bereich eingehen.
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
Wenn Sie sich z.B. die Alzheimer-Krankheit ansehen,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
die Entwicklung neuer Medikamente -- hier kommt gerade eine Menge an verknüpften Daten zum Vorschein,
12:11
because scientists in that field realize
257
713000
2000
da die Wissenschaftler auf diesem Gebiet feststellen,
12:13
this is a great way of getting out of those silos,
258
715000
3000
dass dies eine großartige Möglichkeit ist, um die eingeschränkte Sichtweise zu verlassen,
12:16
because they had their genomics data in one database
259
718000
4000
da sie ihre Genomdaten in einer Datenbank
12:20
in one building, and they had their protein data in another.
260
722000
3000
innerhalb eines Gebäudes und die Proteindaten in einer anderen hatten.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Nun verbinden sie beide miteinander -- verknüpfte Daten --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
und jetzt können sie Fragen stellen, die Sie vermutlich nicht stellen würden,
12:29
I wouldn't ask -- they would.
263
731000
2000
die ich nicht stellen würde, aber sie.
12:31
What proteins are involved in signal transduction
264
733000
2000
Welche Proteine sind bei der Signalübertragung beteiligt
12:33
and also related to pyramidal neurons?
265
735000
2000
und außerdem verwandt mit pyramidenförmigen Neuronen?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Nun ja, man nimmt eben diesen Zungenbrecher und gibt ihn bei Google ein.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Natürlich gibt es keine Seite im Web, die diese Frage beantwortet hat,
12:41
because nobody has asked that question before.
268
743000
2000
da noch niemand zuvor diese Frage gestellt hat.
12:43
You get 223,000 hits --
269
745000
2000
Man erhält 223.000 Treffer,
12:45
no results you can use.
270
747000
2000
aber keine brauchbaren Ergebnisse.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Nun fragen Sie die verknüpften Daten, die sie jetzt zusammengestellt haben.
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
32 Treffer, von denen jeder ein Protein mit diesen Eigenschaften ist
12:54
and you can look at.
273
756000
2000
und Sie können sie sich ansehen.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
Die Fähigkeit nun in der Lage zu sein, als Wissenschaftler solche Fragen zu stellen --
12:59
questions which actually bridge across different disciplines --
275
761000
2000
Fragen, die eine Brücke über verschiedene Fachrichtungen hinweg schlagen --
13:01
is really a complete sea change.
276
763000
3000
ist wirklich eine komplette Trendwende.
13:04
It's very very important.
277
766000
2000
Das ist wirklich von sehr großer Bedeutung.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Die Wissenschaftler sind zurzeit völlig blockiert.
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
Die Fähigkeit der Daten anderer Wissenschaftler ist ihnen verschlossen
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
und wir müssen sie freigeben, so dass wir diese riesigen Probleme angehen können.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Wenn ich nun so weitermache, werden Sie denken, dass all diese Daten aus riesigen Einrichtungen stammen
13:20
and has nothing to do with you.
282
782000
3000
und nichts mit Ihnen zu tun haben.
13:23
But, that's not true.
283
785000
2000
Aber das stimmt nicht.
13:25
In fact, data is about our lives.
284
787000
2000
In Wirklichkeit drehen sich Daten um unser Leben.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Sie melden sich auf Ihrer bevorzugten sozialen Netzwerkseite an
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
und sagen: "Das ist mein Freund."
13:32
Bing! Relationship. Data.
287
794000
3000
Bing! Beziehung. Daten.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Sie sagen: "Diese Foto beschreibt diese Person."
13:38
Bing! That's data. Data, data, data.
289
800000
3000
Bing! Das sind Daten. Daten, Daten, Daten.
13:41
Every time you do things on the social networking site,
290
803000
2000
Jedes Mal wenn Sie etwas auf Ihrer sozialen Netzwerkseite tun,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
nimmt sich die soziale Netzwerkseite Daten und verwendet sie, wiederverwendet sie
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
und gebraucht sie, um das Leben anderer Leute auf der Seite interessanter zu machen.
13:51
But, when you go to another linked data site --
293
813000
2000
Aber wenn Sie auf eine andere Website mit verknüpften Daten gehen --
13:53
and let's say this is one about travel,
294
815000
3000
sagen wir eine über Reisen --
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
und sie sagen "Ich möchte dieses Foto an alle Leute dieser Gruppe senden",
13:59
you can't get over the walls.
296
821000
2000
dann kommen Sie nicht über die Mauern.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
Die Zeitschrift "The Economist" schrieb einen Artikel darüber und viele Leute haben darüber gebloggt.
14:03
tremendous frustration.
298
825000
1000
Enorme Frustration.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
Um diese Hürden zu überwinden benötigen wir Interoperabilität
14:06
between social networking sites.
300
828000
2000
zwischen sozialen Netzwerkseiten.
14:08
We need to do that with linked data.
301
830000
2000
Wir müssen das mit verknüpften Daten tun.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Ich möchte noch über eine letzte Art von Daten sprechen, möglicherweise die interessanteste.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Bevor ich hierher kam, habe ich einen Blick auf OpenStreetMap geworfen.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap ist eine Karte, aber es ist auch ein Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Zoomen Sie es heran und dieses Rechteck ist ein Theater, in dem wir uns jetzt befinden.
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
Das Terrace Theater. Es hatte auf der Karte noch keinen Namen.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Also konnte ich in den Bearbeiten-Modus gehen, es auswählen,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
unten den Namen hinzufügen und das Ganze speichern.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
Und wenn Sie jetzt auf OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
zurück zu diesem Platz gehen, werden Sie sehen, dass das Terrace Theater einen Namen hat.
14:36
I did that. Me!
311
858000
2000
Ich habe das gemacht. Ich!
14:38
I did that to the map. I just did that!
312
860000
2000
Ich habe das auf die Karte gemacht. Ich habe das gerade noch gemacht!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Ich habe das dorthin gesetzt. Und wissen Sie was?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Bei diesem Straßenplan geht es darum, dass jeder seinen Teil dazu beiträgt
14:45
and it creates an incredible resource
315
867000
3000
und so wird es zu einer wunderbaren Quelle,
14:48
because everybody else does theirs.
316
870000
3000
da jeder seinen Teil bearbeitet.
14:51
And that is what linked data is all about.
317
873000
3000
Und darum geht es bei verknüpften Daten.
14:54
It's about people doing their bit
318
876000
3000
Es geht um Leute, die ihren Teil dazu beitragen,
14:57
to produce a little bit, and it all connecting.
319
879000
3000
um ein bisschen zu erstellen, so dass alles miteinander verbunden wird.
15:00
That's how linked data works.
320
882000
3000
So funktionieren verknüpfte Daten.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Sie leisten Ihren Teil. Die anderen leisten ihren eigenen.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
Sie haben vielleicht nicht viele Daten, die Sie dort einstellen könnten,
15:11
but you know to demand it.
323
893000
3000
aber Sie wissen, sie einzufordern.
15:14
And we've practiced that.
324
896000
2000
Und wir haben das geübt.
15:16
So, linked data -- it's huge.
325
898000
4000
Also, verknüpfte Daten -- sie sind riesig.
15:20
I've only told you a very small number of things
326
902000
3000
Ich habe Ihnen nur einen sehr kleinen Teil erzählt.
15:23
There are data in every aspect of our lives,
327
905000
2000
Es gibt Daten zu jedem Aspekt in unserem Leben.
15:25
every aspect of work and pleasure,
328
907000
3000
Jeder Aspekt hinsichtlich Arbeit und Vergnügen.
15:28
and it's not just about the number of places where data comes,
329
910000
3000
Und es geht nicht nur um die Anzahl an Orten, von denen Daten stammen.
15:31
it's about connecting it together.
330
913000
3000
Es geht darum, diese miteinander zu verbinden.
15:34
And when you connect data together, you get power
331
916000
3000
Und wenn man Daten miteinander verbindet, profitiert man davon
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
in einer Weise wie es mit dem Web bzw. Dokumenten alleine nicht möglich wäre.
15:40
You get this really huge power out of it.
333
922000
4000
Sie können diese wirklich riesige Leistungsfähigkeit herausholen.
15:44
So, we're at the stage now
334
926000
3000
Wir befinden uns zurzeit in einem Stadium,
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
in dem wir das tun müssen -- die Menschen, die daran glauben, dass es eine großartige Idee ist.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
Und ich glaube, dass es viele Mensch bei TED gibt, die Dinge tun,
15:54
even though there's not an immediate return on the investment
337
936000
2000
obwohl es keine unmittelbare Rendite gibt,
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
da es sich nur dann auszahlen wird, wenn jeder sich beteiligt hat.
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
Sie werden es tun, da sie Menschen sind, die einfach Dinge tun,
16:03
which would be good if everybody else did them.
340
945000
3000
die jeder besser tun sollte.
16:06
OK, so it's called linked data.
341
948000
2000
OK, es heißt verknüpfte Daten.
16:08
I want you to make it.
342
950000
2000
Ich möchte, dass Sie sie erstellen.
16:10
I want you to demand it.
343
952000
2000
Ich möchte, dass Sie sie einfordern.
16:12
And I think it's an idea worth spreading.
344
954000
2000
Und ich glaube, dass diese Idee es wert ist, verbreitet zu werden.
16:14
Thanks.
345
956000
1000
Dankeschön.
16:15
(Applause)
346
957000
3000
(Applaus)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com