ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.

Why you should listen

Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.

What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.

Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.

Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)

Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.

Hans Rosling passed away in February 2017. He is greatly missed.


More profile about the speaker
Hans Rosling | Speaker | TED.com
TED2009

Hans Rosling: Insights on HIV, in stunning data visuals

Hans Rosling über HIV: Neue Fakten und Datenvisualisierungen versetzen in Staunen

Filmed:
1,174,291 views

Hans Rosling enthüllt duch neue Datenvisualisierungen die komplizierten Risikofaktoren einer der tödlichsten (und am häufigsten missverstandenen) Krankheiten der Welt: HIV/AIDS. Er zeigt, dass der Schlüssel zur Überwindung der Epidemie in der Übertragungsverhinderung liegt und nicht in der Behandlung durch Medikamente.
- Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio

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

00:12
(ApplauseApplaus)
0
0
5000
(Beifall)
00:18
AIDSAIDS was discoveredentdeckt 1981; the virusVirus, 1983.
1
6000
5000
AIDS wurde 1981 entdeckt, das Virus 1983.
00:23
These GapminderGapminder bubblesBlasen showShow you
2
11000
2000
Diese Gapminder-Grafik zeigt Ihnen,
00:25
how the spreadVerbreitung of the virusVirus was in 1983 in the worldWelt,
3
13000
4000
wie die weltweite Verbreitung des Virus 1983 aussah,
00:29
or how we estimateschätzen that it was.
4
17000
2000
oder wie wir annehmen, dass sie aussah.
00:31
What we are showingzeigt here is --
5
19000
2000
Was wir hier zeigen ist --
00:33
on this axisAchse here, I'm showingzeigt percentProzent of infectedinfiziert adultsErwachsene.
6
21000
7000
auf dieser Achse hier zeige ich den Prozentsatz infizierter Erwachsener.
00:40
And on this axisAchse, I'm showingzeigt dollarsDollar perpro personPerson in incomeEinkommen.
7
28000
5000
Und auf dieser Achse zeige ich das Pro-Kopf-Einkommen in Dollar.
00:45
And the sizeGröße of these bubblesBlasen, the sizeGröße of the bubblesBlasen here,
8
33000
4000
Und die Größe dieser Blasen, die Größe der Blasen hier,
00:49
that showszeigt an how manyviele are infectedinfiziert in eachjede einzelne countryLand,
9
37000
3000
zeigt, wie viele im jeweiligen Land infiziert sind,
00:52
and the colorFarbe is the continentKontinent.
10
40000
2000
und die Farbe ist der Kontinent.
00:54
Now, you can see UnitedVereinigte StatesStaaten, in 1983,
11
42000
2000
Nun sehen Sie, dass die Vereinigten Staaten 1983
00:56
had a very lowniedrig percentageProzentsatz infectedinfiziert,
12
44000
3000
einen sehr geringen Prozentsatz infizierter Personen hatte,
00:59
but duefällig to the biggroß populationBevölkerung, still a sizablebeträchtliche bubbleBlase.
13
47000
4000
aber aufgrund der großen Einwohnerzahl trotzdem eine große Blase.
01:03
There were quiteganz manyviele people infectedinfiziert in the UnitedVereinigte StatesStaaten.
14
51000
3000
In den Vereinigten Staaten waren ziemlich viele Leute infiziert.
01:06
And, up there, you see UgandaUganda.
15
54000
2000
Und da oben sehen Sie Uganda.
01:08
They had almostfast fivefünf percentProzent infectedinfiziert,
16
56000
3000
Dort waren fast fünf Prozent infiziert,
01:11
and quiteganz a biggroß bubbleBlase in spiteTrotz of beingSein a smallklein countryLand, then.
17
59000
3000
und deshalb ist die Blase groß, obwohl das Land klein ist.
01:14
And they were probablywahrscheinlich the mostdie meisten infectedinfiziert countryLand in the worldWelt.
18
62000
5000
Und es war wahrscheinlich das infektionsreichste Land der Welt.
01:19
Now, what has happenedpassiert?
19
67000
2000
Was ist dann passiert?
01:21
Now you have understoodverstanden the graphGraph
20
69000
2000
Sie haben nun die Grafik verstanden,
01:23
and now, in the nextNächster 60 secondsSekunden,
21
71000
3000
und jetzt, in den nächsten 60 Sekunden,
01:26
we will playspielen the HIVHIV epidemicEpidemie in the worldWelt.
22
74000
3000
werden wir die HIV-Epidemie in der Welt ablaufen lassen.
01:29
But first, I have a newneu inventionErfindung here.
23
77000
3000
Aber zuerst habe ich hier eine neue Erfindung.
01:34
(LaughterLachen)
24
82000
3000
(Gelächter)
01:39
I have solidifiedverfestigt the beamStrahl of the laserLaser- pointerZeiger.
25
87000
4000
Ich habe den Strahl des Laserpointers erstarren lassen.
01:43
(LaughterLachen)
26
91000
3000
(Gelächter)
01:46
(ApplauseApplaus)
27
94000
3000
(Beifall)
01:52
So, readybereit, steadystetig, go!
28
100000
4000
Also, auf die Plätze, fertig, los!
01:56
First, we have the fastschnell riseerhebt euch in UgandaUganda and ZimbabweZimbabwe.
29
104000
4000
Zuerst sehen wir den schnellen Anstieg in Uganda und Simbabwe.
02:00
They wentging upwardsnach oben like this.
30
108000
2000
Sie stiegen so nach oben.
02:02
In AsiaAsien, the first countryLand to be heavilyschwer infectedinfiziert was ThailandThailand --
31
110000
4000
In Asien war das erste stark infizierte Land Thailand.
02:06
they reachederreicht one to two percentProzent.
32
114000
2000
Es erreichte ein bis zwei Prozent.
02:08
Then, UgandaUganda startedhat angefangen to turnWende back,
33
116000
2000
Dann begann Uganda abzusinken,
02:10
whereaswohingegen ZimbabweZimbabwe skyrocketedsprunghaft angestiegen,
34
118000
2000
während Simbabwe nach oben schoss,
02:12
and some yearsJahre laterspäter SouthSüden AfricaAfrika had a terriblefurchtbar riseerhebt euch of HIVHIV frequencyFrequenz.
35
120000
4000
und einige Jahre später hatte Südafrika einen schrecklichen Anstieg des HIV-Vorkommens.
02:16
Look, IndiaIndien got manyviele infectedinfiziert,
36
124000
2000
Sehen Sie, in Indien wurden viele infiziert,
02:18
but had a lowniedrig levelEbene.
37
126000
2000
aber das Niveau war niedrig.
02:20
And almostfast the samegleich happensdas passiert here.
38
128000
2000
Und fast das Gleiche passiert hier.
02:22
See, UgandaUganda comingKommen down, ZimbabweZimbabwe comingKommen down,
39
130000
3000
Sehen Sie: Während Uganda absinkt und Simbabwe absinkt,
02:25
RussiaRussland wentging to one percentProzent.
40
133000
2000
stieg Russland auf ein Prozent an.
02:27
In the last two to threedrei yearsJahre,
41
135000
3000
In den vergangenen zwei bis drei Jahren
02:30
we have reachederreicht a steadystetig stateBundesland of HIVHIV epidemicEpidemie in the worldWelt.
42
138000
4000
haben wir ein Gleichgewicht der weltweiten HIV-Epidemie erreicht.
02:34
25 yearsJahre it tookdauerte.
43
142000
3000
Das hat 25 Jahre gedauert.
02:37
But, steadystetig stateBundesland doesn't mean that things are gettingbekommen better,
44
145000
3000
Aber Gleichgewicht bedeutet nicht, dass die Dinge besser werden,
02:40
it's just that they have stoppedgestoppt gettingbekommen worseschlechter.
45
148000
3000
sondern nur, dass sie nicht schlimmer werden.
02:43
And it has -- the steadystetig stateBundesland is, more or lessWeniger,
46
151000
4000
Und dabei sind -- im Gleichgewicht sind mehr oder weniger
02:47
one percentProzent of the adultErwachsene worldWelt populationBevölkerung is HIV-infectedHIV-infizierte.
47
155000
4000
ein Prozent der erwachsenen Weltbevölkerung mit HIV infiziert.
02:51
It meansmeint 30 to 40 millionMillion people,
48
159000
3000
Das bedeutet 30 bis 40 Millionen Menschen,
02:54
the wholeganze of CaliforniaCalifornia -- everyjeden personPerson,
49
162000
2000
ganz Kalifornien, jede Person,
02:56
that's more or lessWeniger what we have todayheute in the worldWelt.
50
164000
2000
das ist mehr oder weniger, was wir heute auf der Welt haben.
02:58
Now, let me make a fastschnell replayReplay of BotswanaBotswana.
51
166000
5000
Lassen Sie mich nun Botswana noch einmal schnell abspielen.
03:03
BotswanaBotswana -- upperobere middle-incomemit mittlerem Einkommen countryLand in southernSüd- AfricaAfrika,
52
171000
4000
Botswana -- ein Land im südlichen Afrika mit höherem mittlerem Einkommen,
03:07
democraticdemokratisch governmentRegierung, good economyWirtschaft,
53
175000
3000
demokratischer Regierung, guter Wirtschaft,
03:10
and this is what happenedpassiert there.
54
178000
2000
und das hier ist dort passiert.
03:12
They startedhat angefangen lowniedrig, they skyrocketedsprunghaft angestiegen,
55
180000
2000
Es fing niedrig an, dann schossen die Zahlen nach oben,
03:14
they peakedihren Höhepunkt erreichte up there in 2003,
56
182000
3000
und 2003 wurde dort oben der Höhepunkt erreicht,
03:17
and now they are down.
57
185000
2000
und jetzt ist es hier unten.
03:19
But they are fallingfallend only slowlylangsam,
58
187000
2000
Aber es sinkt nur langsam ab,
03:21
because in BotswanaBotswana, with good economyWirtschaft and governanceFührung,
59
189000
2000
weil man in Botswana, mit guter Wirtschaft und Staatsführung,
03:23
they can manageverwalten to treatbehandeln people.
60
191000
3000
die Menschen behandeln kann.
03:26
And if people who are infectedinfiziert are treatedbehandelt, they don't diesterben of AIDSAIDS.
61
194000
3000
Und wenn Menschen, die infiziert sind, behandelt werden, sterben sie nicht an AIDS.
03:29
These percentagesProzentsätze won'tGewohnheit come down
62
197000
3000
Diese Prozentsätze werden nicht niedriger werden,
03:32
because people can surviveüberleben 10 to 20 yearsJahre.
63
200000
2000
weil Menschen 10 bis 20 Jahre überleben können.
03:34
So there's some problemProblem with these metricsMetriken now.
64
202000
3000
Also haben wir jetzt ein Problem mit dieser Metrik.
03:37
But the poorerärmeren countriesLänder in AfricaAfrika, the low-incomeniedriges Einkommen countriesLänder down here,
65
205000
4000
Aber die ärmeren Länder in Afrika, die Länder mit niedrigeren Einkommen hier unten,
03:41
there the ratesPreise fallfallen fasterschneller, of the percentageProzentsatz infectedinfiziert,
66
209000
6000
da sinken die Prozentzahlen der Infizierten schneller
03:47
because people still diesterben.
67
215000
2000
weil Menschen immer noch sterben.
03:49
In spiteTrotz of PEPFARPEPFAR, the generousgroßzügig PEPFARPEPFAR,
68
217000
3000
Trotz PEPFAR, dem großzügigen PEPFAR,
03:52
all people are not reachederreicht by treatmentBehandlung,
69
220000
3000
können wir nicht alle Leute mit Behandlung erreichen,
03:55
and of those who are reachederreicht by treatmentBehandlung in the poorArm countriesLänder,
70
223000
2000
und von denen, die wir mit Behandlung erreichen in den armen Ländern,
03:57
only 60 percentProzent are left on treatmentBehandlung after two yearsJahre.
71
225000
3000
sind nach zwei Jahren nur noch 60 Prozent unter Behandlung.
04:00
It's not realisticrealistische with lifelonglebenslang treatmentBehandlung
72
228000
4000
Lebenslange Behandlung ist nicht realistisch
04:04
for everyonejeder in the poorestärmste countriesLänder.
73
232000
2000
für alle in den ärmsten Ländern.
04:06
But it's very good that what is doneerledigt is beingSein doneerledigt.
74
234000
3000
Aber es ist sehr gut, dass getan wird, was getan wird.
04:09
But focusFokus now is back on preventionVerhütung.
75
237000
4000
Aber Prävention steht jetzt wieder im Mittelpunkt.
04:13
It is only by stoppingAnhalten the transmissionÜbertragung
76
241000
3000
Nur indem wir die Übertragung stoppen
04:16
that the worldWelt will be ablefähig to dealDeal with it.
77
244000
3000
kann die Welt damit fertig werden.
04:19
DrugsMedikamente is too costlyteuer -- had we had the vaccineImpfstoff,
78
247000
2000
Medikamente sind zu teuer -- wenn wir den Impfstoff gehabt hätten,
04:21
or when we will get the vaccineImpfstoff, that's something more effectiveWirksam --
79
249000
3000
oder wenn wir den Impfstoff bekämen, das wäre effektiver --
04:24
but the drugsDrogen are very costlyteuer for the poorArm.
80
252000
2000
aber die Medikamente sind sehr teuer für die Armen.
04:26
Not the drugDroge in itselfselbst, but the treatmentBehandlung
81
254000
2000
Nicht die Medikamente selber, sondern die Behandlung
04:28
and the carePflege whichwelche is needederforderlich around it.
82
256000
2000
und die Pflege, die damit verbunden ist.
04:32
So, when we look at the patternMuster,
83
260000
3000
Wenn wir uns also das Muster ansehen,
04:35
one thing comeskommt out very clearlydeutlich:
84
263000
2000
wird eines ganz klar:
04:37
you see the blueblau bubblesBlasen
85
265000
2000
Sie sehen die blauen Blasen
04:39
and people say HIVHIV is very highhoch in AfricaAfrika.
86
267000
2000
und die Leute sagen, HIV ist sehr verbreitet in Afrika.
04:41
I would say, HIVHIV is very differentanders in AfricaAfrika.
87
269000
3000
Ich würde sagen, HIV ist sehr anders in Afrika.
04:44
You'llDu wirst find the highesthöchste HIVHIV ratePreis in the worldWelt
88
272000
4000
Sie finden die höchsten HIV Raten auf der Welt
04:48
in AfricanAfrikanische countriesLänder,
89
276000
2000
in afrikanischen Ländern,
04:50
and yetnoch you'lldu wirst find SenegalSenegal, down here --
90
278000
2000
und dennoch finden Sie in Senegal, hier unten,
04:52
the samegleich ratePreis as UnitedVereinigte StatesStaaten.
91
280000
2000
die gleiche Rate wie in den Vereinigten Staaten.
04:54
And you'lldu wirst find MadagascarMadagaskar,
92
282000
2000
Und Sie werden feststellen, dass Madagaskar,
04:56
and you'lldu wirst find a lot of AfricanAfrikanische countriesLänder
93
284000
2000
und sie werden feststellen, dass eine Menge afrikanische Länder
04:58
about as lowniedrig as the restsich ausruhen of the worldWelt.
94
286000
3000
ungefähr so niedrig liegen wie der Rest der Welt.
05:01
It's this terriblefurchtbar simplificationVereinfachung that there's one AfricaAfrika
95
289000
4000
Das ist diese schreckliche Vereinfachung, dass es dieses eine Afrika gibt
05:05
and things go on in one way in AfricaAfrika.
96
293000
2000
und dass Dinge auf eine Art laufen in Afrika.
05:07
We have to stop that.
97
295000
2000
Das müssen wir stoppen.
05:09
It's not respectfulrespektvoll, and it's not very cleverklug
98
297000
3000
Das zeigt keinen Respekt, und es ist nicht sehr klug
05:12
to think that way.
99
300000
2000
so zu denken.
05:14
(ApplauseApplaus)
100
302000
4000
(Applaus)
05:18
I had the fortuneVermögen to liveLeben and work for a time in the UnitedVereinigte StatesStaaten.
101
306000
3000
Ich hatte das Glück, eine Zeit lang in den Vereinigten Staaten zu leben und zu arbeiten.
05:21
I foundgefunden out that SaltSalz LakeLake CityStadt and SanSan FranciscoFrancisco were differentanders.
102
309000
4000
Wie ich erfuhr, ist Salt Lake City anders als San Francisco.
05:25
(LaughterLachen)
103
313000
2000
(Gelächter)
05:27
And so it is in AfricaAfrika -- it's a lot of differenceUnterschied.
104
315000
3000
Und genau so ist es in Afrika -- es gibt große Unterschiede.
05:30
So, why is it so highhoch? Is it warKrieg?
105
318000
2000
Warum ist es so hoch? Ist es Krieg?
05:32
No, it's not. Look here.
106
320000
2000
Nein, das ist es nicht. Schauen Sie hier.
05:34
War-tornKrieg-heftig gezerrissenes CongoKongo is down there -- two, threedrei, fourvier percentProzent.
107
322000
3000
Das vom Krieg zerrüttete Kongo ist hier unten -- zwei, drei, vier Prozent.
05:37
And this is peacefulfriedlich ZambiaSambia, neighboringNachbar countryLand -- 15 percentProzent.
108
325000
4000
Und dies ist das friedliche Sambia, Nachbarland -- 15 Prozent.
05:41
And there's good studiesStudien of the refugeesFlüchtlinge comingKommen out of CongoKongo --
109
329000
3000
Und dann gibt es gute Studien über die Flüchtlinge aus dem Kongo --
05:44
they have two, threedrei percentProzent infectedinfiziert,
110
332000
2000
von denen zwei, drei Prozent infiziert sind,
05:46
and peacefulfriedlich ZambiaSambia -- much higherhöher.
111
334000
2000
und das friedliche Sambia -- viel höher.
05:48
There are now studiesStudien clearlydeutlich showingzeigt
112
336000
2000
Mittlerweile gibt es Studien, die klar zeigen,
05:50
that the warsKriege are terriblefurchtbar, that rapesVergewaltigungen are terriblefurchtbar,
113
338000
3000
dass die Kriege schrecklich sind, dass Vergewaltigungen schrecklich sind.
05:53
but this is not the drivingFahren forceKraft for the highhoch levelsEbenen in AfricaAfrika.
114
341000
3000
Aber das ist nicht die treibende Kraft hinter den hohen Zahlen in Afrika.
05:56
So, is it povertyArmut?
115
344000
2000
Also ist es Armut?
05:58
Well if you look at the macroMakro levelEbene,
116
346000
2000
Nun, wenn man es auf dem Makrolevel betrachtet,
06:00
it seemsscheint more moneyGeld, more HIVHIV.
117
348000
2000
sieht es aus als ob je mehr Geld, desto mehr HIV.
06:02
But that's very simplisticvereinfachende,
118
350000
3000
Aber das ist sehr vereinfacht,
06:05
so let's go down and look at TanzaniaTansania.
119
353000
2000
also schauen wir weiter unten Tansania an.
06:07
I will splitTeilt TanzaniaTansania in fivefünf incomeEinkommen groupsGruppen,
120
355000
4000
Ich teile Tansania in fünf Einkommensgruppen auf,
06:11
from the highesthöchste incomeEinkommen to the lowestniedrigste incomeEinkommen,
121
359000
2000
vom höchsten Einkommen zum niedrigsten Einkommen,
06:13
and here we go.
122
361000
2000
und hier geht's los.
06:15
The onesEinsen with the highesthöchste incomeEinkommen, the better off -- I wouldn'twürde nicht say richReich --
123
363000
3000
Diejenigen mit dem höchsten Einkommen, die Wohlhabenden, ich würde nicht sagen die Reichen,
06:18
they have higherhöher HIVHIV.
124
366000
2000
die haben öfter HIV.
06:20
The differenceUnterschied goesgeht from 11 percentProzent down to fourvier percentProzent,
125
368000
3000
Der Unterschied geht von 11 Prozent herunter auf vier Prozent,
06:23
and it is even biggergrößer amongunter womenFrau.
126
371000
2000
und der Unterschied ist noch größer bei Frauen.
06:25
There's a lot of things that we thought, that now, good researchForschung,
127
373000
4000
Es gibt eine Menge, von dem wir dachten, dass jetzt, gute Forschung
06:29
doneerledigt by AfricanAfrikanische institutionsInstitutionen and researchersForscher
128
377000
3000
von afrikanischen Einrichtungen und Forschern
06:32
togetherzusammen with the internationalInternational researchersForscher, showShow that that's not the caseFall.
129
380000
3000
zusammen mit den internationalen Forschern, zeigen, dass das nicht der Fall ist.
06:35
So, this is the differenceUnterschied withininnerhalb TanzaniaTansania.
130
383000
2000
Also, das ist der Unterschied innerhalb von Tansania.
06:37
And, I can't avoidvermeiden showingzeigt KenyaKenia.
131
385000
2000
Und ich kann nicht umhin, Kenia zu zeigen.
06:39
Look here at KenyaKenia.
132
387000
2000
Schauen Sie sich hier Kenia an.
06:41
I've splitTeilt KenyaKenia in its provincesProvinzen.
133
389000
2000
Ich habe Kenia in seine Provinzen unterteilt.
06:43
Here it goesgeht.
134
391000
2000
Hier geht's los.
06:45
See the differenceUnterschied withininnerhalb one AfricanAfrikanische countryLand --
135
393000
3000
Sehen Sie den Unterschied innerhalb eines afrikanischen Landes --
06:48
it goesgeht from very lowniedrig levelEbene to very highhoch levelEbene,
136
396000
3000
es geht von einem sehr niedrigem Level bis zu einem sehr hohem Level
06:51
and mostdie meisten of the provincesProvinzen in KenyaKenia is quiteganz modestbescheiden.
137
399000
3000
und die meisten Provinzen in Kenia sind ziemlich niedrig.
06:54
So, what is it then?
138
402000
2000
Also, was ist es dann?
06:56
Why do we see this extremelyäußerst highhoch levelsEbenen in some countriesLänder?
139
404000
4000
Warum sehen wir diese extrem hohen Level in einigen Ländern?
07:00
Well, it is more commonverbreitet with multiplemehrere partnersPartner,
140
408000
3000
Nun, es kommt häufiger mit mehreren Partnern vor,
07:03
there is lessWeniger condomKondom use,
141
411000
3000
es werden weniger Kondome benutzt,
07:06
and there is age-disparateAlter-unterschiedliche sexSex --
142
414000
3000
und Leute unterschiedlichen Alters haben Geschlechtsverkehr --
07:09
that is, olderälter menMänner tendneigen to have sexSex with youngerjünger womenFrau.
143
417000
3000
das heißt, ältere Männer neigen dazu, Geschlechtsverkehr mit jüngeren Frauen zu haben.
07:12
We see higherhöher ratesPreise in youngerjünger womenFrau than youngerjünger menMänner
144
420000
3000
Wir sehen höhere Zahlen in jüngeren Frauen als in jüngeren Männern
07:15
in manyviele of these highlyhöchst affectedbetroffen countriesLänder.
145
423000
2000
in vielen dieser stark betroffenen Ländern.
07:17
But where are they situatedgelegen?
146
425000
2000
Aber wo liegen sie?
07:19
I will swapSwap the bubblesBlasen to a mapKarte.
147
427000
2000
Ich werde die Blasen zu einer Karte vertauschen.
07:21
Look, the highlyhöchst infectedinfiziert are fourvier percentProzent of all populationBevölkerung
148
429000
4000
Schauen Sie, die Hochinfizierten entsprechen vier Prozent der Gesamtbevölkerung
07:25
and they holdhalt 50 percentProzent of the HIV-infectedHIV-infizierte.
149
433000
3000
und sie weisen 50 Prozent aller HIV-Infizierten auf.
07:28
HIVHIV existsexistiert all over the worldWelt.
150
436000
3000
HIV gibt es überall auf der Welt.
07:31
Look, you have bubblesBlasen all over the worldWelt here.
151
439000
2000
Schauen Sie, die Blasen sind überall auf der Welt.
07:33
BrazilBrazilien has manyviele HIV-infectedHIV-infizierte.
152
441000
3000
Brasilien hat viele HIV-Infizierte.
07:36
ArabArabische countriesLänder not so much, but IranIran is quiteganz highhoch.
153
444000
3000
Arabische Länder nicht so sehr, aber Iran ist ziemlich hoch.
07:39
They have heroinHeroin addictionsucht and alsoebenfalls prostitutionProstitution in IranIran.
154
447000
4000
Es gibt Heroinsucht und auch Prostitution im Iran.
07:43
IndiaIndien has manyviele because they are manyviele.
155
451000
2000
Indien hat viele, weil dort viele leben.
07:45
SoutheastSüdosten AsiaAsien, and so on.
156
453000
2000
Südostasien, und so weiter.
07:47
But, there is one partTeil of AfricaAfrika --
157
455000
2000
Aber es gibt einen Teil Afrikas --
07:49
and the difficultschwer thing is, at the samegleich time,
158
457000
2000
und das Schwierige ist, zur gleichen Zeit,
07:51
not to make a uniformUniform statementErklärung about AfricaAfrika,
159
459000
4000
keine Pauschalaussage über Afrika zu machen,
07:55
not to come to simpleeinfach ideasIdeen of why it is like this, on one handHand.
160
463000
4000
auf keine einfachen Ideen zu kommen, warum das so ist, auf der einen Seite.
07:59
On the other handHand, try to say that this is not the caseFall,
161
467000
3000
Auf der anderen Seite, zuzugeben, dass dies ein schwerer Fall ist,
08:02
because there is a scientificwissenschaftlich consensusKonsens about this patternMuster now.
162
470000
4000
weil sich die Wissenschaft über dieses Muster jetzt einig ist.
08:06
UNAIDSUNAIDS have doneerledigt good dataDaten availableverfügbar, finallyendlich,
163
474000
3000
UNAIDS haben endlich gute Daten zur Verfügung gestellt
08:09
about the spreadVerbreitung of HIVHIV.
164
477000
3000
zur Verbreitung von HIV.
08:12
It could be concurrencyParallelität.
165
480000
3000
Es könnte Zeitgleichheit sein.
08:15
It could be some virusVirus typesTypen.
166
483000
3000
Es könnten ein paar Virustypen sein.
08:18
It could be that there is other things
167
486000
4000
Es könnte sein, dass es etwas anderes ist,
08:22
whichwelche makesmacht transmissionÜbertragung occurauftreten in a higherhöher frequencyFrequenz.
168
490000
3000
weswegen die Übertragung häufiger vorkommt.
08:25
After all, if you are completelyvollständig healthygesund and you have heterosexualheterosexuell sexSex,
169
493000
3000
Wenn man völlig gesund ist und heterosexuellen Geschlechtsverkehr hat,
08:28
the riskRisiko of infectionInfektion in one intercourseGeschlechtsverkehr is one in 1,000.
170
496000
5000
beträgt das Infektionsrisiko bei einem Geschlechtsverkehr letzten Endes eins zu 1.000.
08:33
Don't jumpspringen to conclusionsSchlussfolgerungen now on how to
171
501000
2000
Ziehen Sie jetzt keine voreiligen Schlüsse;
08:35
behavesich verhalten tonightheute Abend and so on.
172
503000
2000
benehmen Sie sich heute Abend und so fort.
08:37
(LaughterLachen)
173
505000
2000
(Gelächter)
08:39
But -- and if you are in an unfavorableungünstige situationLage,
174
507000
3000
Aber -- und wenn Sie sich in einer ungünstigeren Situation befinden,
08:42
more sexuallysexuell transmittedübertragen diseasesKrankheiten, it can be one in 100.
175
510000
3000
mehr durch Geschlechtsverkehr übertragene Krankheiten, kann es eins zu einhundert sein.
08:45
But what we think is that it could be concurrencyParallelität.
176
513000
3000
Aber was wir denken, ist, dass es Zeitgleichheit sein könnte.
08:48
And what is concurrencyParallelität?
177
516000
2000
Und was ist Zeitgleichheit?
08:50
In SwedenSchweden, we have no concurrencyParallelität.
178
518000
2000
In Schweden gibt es keine Zeitgleichheit.
08:52
We have serialserielle monogamyMonogamie.
179
520000
2000
Wir haben aufeinanderfolgende Einehen.
08:54
VodkaWodka, NewNeu Year'sDes Jahres EveEve -- newneu partnerPartner for the springFrühling.
180
522000
2000
Wodka, Silvester -- neuer Partner zum Frühling.
08:56
VodkaWodka, Midsummer'sSaint Jean EveEve -- newneu partnerPartner for the fallfallen.
181
524000
2000
Wodka, Sommersonnenwende -- neuer Partner zum Herbst.
08:58
VodkaWodka -- and it goesgeht on like this, you know?
182
526000
2000
Wodka -- und so geht es weiter, Sie wissen schon.
09:00
And you collectsammeln a biggroß numberNummer of exesEXE-Dateien.
183
528000
3000
Und so sammeln Sie eine große Zahl Ex-Freundinnen.
09:03
And we have a terriblefurchtbar chlamydiaChlamydien epidemicEpidemie --
184
531000
2000
Und wir haben eine schreckliche Chlamydienepidemie --
09:05
terriblefurchtbar chlamydiaChlamydien epidemicEpidemie whichwelche sticksStöcke around for manyviele yearsJahre.
185
533000
4000
schreckliche Chlamydienepidemie, die viele Jahre in Umlauf bleibt.
09:09
HIVHIV has a peakHaupt threedrei to sixsechs weeksWochen after infectionInfektion
186
537000
3000
HIV erreicht seinen Höhepunkt drei bis sechs Wochen nach Ansteckung
09:12
and thereforedeswegen, havingmit more than one partnerPartner in the samegleich monthMonat
187
540000
3000
und daher ist mehr als ein Partner im selben Monat
09:15
is much more dangerousgefährlich for HIVHIV than othersAndere.
188
543000
3000
viel gefährlicher für HIV-Übertragung als bei anderen Infektionen.
09:18
ProbablyWahrscheinlich, it's a combinationKombination of this.
189
546000
2000
Wahrscheinlich ist es eine Kombination davon.
09:20
And what makesmacht me so happyglücklich is that we are movingbewegend now
190
548000
3000
Und was mich so froh macht, ist, dass wir uns
09:23
towardsin Richtung factTatsache when we look at this.
191
551000
2000
in Richtung Fakten bewegen, wenn wir uns das ansehen.
09:25
You can get this chartDiagramm, freefrei.
192
553000
2000
Sie können diese Grafik kostenlos erhalten.
09:27
We have uploadedhochgeladen UNAIDSUNAIDS dataDaten on the GapminderGapminder siteStandort.
193
555000
3000
Wir haben UNAIDS Daten auf Gapminder.org hochgeladen.
09:30
And we hopeHoffnung that when we actHandlung on globalglobal problemsProbleme in the futureZukunft
194
558000
4000
Und wir hoffen, dass wenn wir in Zukunft an globalen Problemen arbeiten,
09:34
we will not only have the heartHerz,
195
562000
3000
wir nicht nur das Herz haben,
09:37
we will not only have the moneyGeld,
196
565000
2000
dass wir nicht nur das Geld haben,
09:39
but we will alsoebenfalls use the brainGehirn.
197
567000
3000
sondern dass wir auch unser Hirn benutzen.
09:42
Thank you very much.
198
570000
2000
Vielen Dank.
09:44
(ApplauseApplaus)
199
572000
6000
(Applaus)
Translated by Dierk Seeburg
Reviewed by Yu-Sing Tammy Bohn

▲Back to top

ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.

Why you should listen

Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.

What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.

Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.

Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)

Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.

Hans Rosling passed away in February 2017. He is greatly missed.


More profile about the speaker
Hans Rosling | Speaker | TED.com