Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Die wundersame Mathematik von Städten und Unternehmen.

170,507 views

2011-07-26 ・ TED


New videos

Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Die wundersame Mathematik von Städten und Unternehmen.

170,507 views ・ 2011-07-26

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Jörg Mäder Lektorat: Alex Boos
00:16
Cities are the crucible of civilization.
0
16260
3000
Städte sind die Schmelztiegel der Zivilisation.
00:19
They have been expanding,
1
19260
2000
Sie haben sich ausgebreitet,
00:21
urbanization has been expanding,
2
21260
2000
die Urbanisierung breitet sich aus
00:23
at an exponential rate in the last 200 years
3
23260
2000
mit einer exponentiell Rate
00:25
so that by the second part of this century,
4
25260
3000
in den letzten 200 Jahren, so dass in der zweiten Hälfte
00:28
the planet will be completely dominated
5
28260
2000
dieses Jahrhunderts die Erde komplett
00:30
by cities.
6
30260
3000
von Städten dominiert sein wird.
00:33
Cities are the origins of global warming,
7
33260
3000
Städte sind der Ursprung von globaler
00:36
impact on the environment,
8
36260
2000
Erwärmung, Belastungen
00:38
health, pollution, disease,
9
38260
3000
der Umwelt, Gesundheit, Verschmutzung, Seuchen.
00:41
finance,
10
41260
2000
Finanzen,
00:43
economies, energy --
11
43260
3000
Wirtschaft, Energie
00:46
they're all problems
12
46260
2000
sind alles Probleme
00:48
that are confronted by having cities.
13
48260
2000
mit denen wir konfrontiert sind,
00:50
That's where all these problems come from.
14
50260
2000
weil wir Städte haben. Von dort kommen all
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
diese Probleme. Diese Flutwelle von Problemen,
00:55
in terms of sustainability questions
16
55260
2000
denen wir gegenüberstehen, in Bezug auf
00:57
are actually a reflection
17
57260
2000
Nachhaltigkeitfragen, sind ein
00:59
of the exponential increase
18
59260
2000
Spiegelbild dieses exponentiellen
01:01
in urbanization across the planet.
19
61260
3000
Wachstums der weltweiten Verstädterung.
01:04
Here's some numbers.
20
64260
2000
Hier einige Zahlen.
01:06
Two hundred years ago, the United States
21
66260
2000
Vor 200 Jahre waren die USA
01:08
was less than a few percent urbanized.
22
68260
2000
zu weniger als ein paar Prozenten
01:10
It's now more than 82 percent.
23
70260
2000
städtisch. Jetzt sind es mehr als 82 Prozent.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Die Erde hat vor wenigen Jahren die
01:15
China's building 300 new cities
25
75260
2000
50-Prozent überschritten. China wird 300 neue
01:17
in the next 20 years.
26
77260
2000
Städte bauen in den nächsten
01:19
Now listen to this:
27
79260
2000
20 Jahren. Beachten sie folgenden:
01:21
Every week for the foreseeable future,
28
81260
3000
Jede Woche - für die nähere Zukunft
01:24
until 2050,
29
84260
2000
bis 2050 -
01:26
every week more than a million people
30
86260
2000
jede Woche werden mehr als eine
01:28
are being added to our cities.
31
88260
2000
Million Leute in die Städte
01:30
This is going to affect everything.
32
90260
2000
ziehen. Das wird
01:32
Everybody in this room, if you stay alive,
33
92260
2000
alles beeinflussen. Jeder in diesem Raum,
01:34
is going to be affected
34
94260
2000
falls er solange lebt, wird betroffen sein,
01:36
by what's happening in cities
35
96260
2000
von dem, was in den Städten
01:38
in this extraordinary phenomenon.
36
98260
2000
passiert, von diesem aussergewöhnlichem Phänomen.
01:40
However, cities,
37
100260
3000
Wie auch immer, Städte,
01:43
despite having this negative aspect to them,
38
103260
3000
abgesehen von ihren negativen Effekten,
01:46
are also the solution.
39
106260
2000
sind aber auch
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
deren Lösung. Denn Städte wirken wie Staubsauger
01:52
that have sucked up creative people,
41
112260
2000
oder Magnete, welche kreative Leute anziehen,
01:54
creating ideas, innovation,
42
114260
2000
Ideen produzieren,
01:56
wealth and so on.
43
116260
2000
Erfindungen, Wohlstand und so weiter.
01:58
So we have this kind of dual nature.
44
118260
2000
Wir haben also eine zweischneidige Situation.
02:00
And so there's an urgent need
45
120260
3000
Deshalb haben wir einen zwingenden Bedarf
02:03
for a scientific theory of cities.
46
123260
4000
an einer wissenschaftlichen
02:07
Now these are my comrades in arms.
47
127260
3000
Theorie zu Städten. Dies hier sind meine Mitstreiter.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Diese Arbeit wurde durch eine ausserordentliche
02:12
and they've done all the work,
49
132260
2000
Gruppe vollbracht. Die haben all die Arbeit getan,
02:14
and I'm the great bullshitter
50
134260
2000
und ich bin der grosse Dummschwätzer,
02:16
that tries to bring it all together.
51
136260
2000
der versucht alles zusammen zu setzen.
02:18
(Laughter)
52
138260
2000
(Gelächter)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Hier die Problemstellung:
02:22
The 10 billion people on the planet in 2050
54
142260
3000
Das ist was wir alle wollen. Die 10 Milliarden Leute
02:25
want to live in places like this,
55
145260
2000
auf dem Planeten in 2050 wollen an Orten wie diesem,
02:27
having things like this,
56
147260
2000
solche Dinge besitzen,
02:29
doing things like this,
57
149260
2000
Sachen tun wie dies,
02:31
with economies that are growing like this,
58
151260
3000
mit einer Wirtschaft, die so wächst,
02:34
not realizing that entropy
59
154260
2000
ohne zu realisieren, das Entropie
02:36
produces things like this,
60
156260
2000
Dinge produziert wie
02:38
this, this
61
158260
4000
das,
02:42
and this.
62
162260
2000
das
02:44
And the question is:
63
164260
2000
und das. Die Frage ist nun:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Wird Edinburgh
02:48
are going to look like in 2050,
65
168260
2000
und London und New York
02:50
or is it going to be this?
66
170260
2000
in 2050 so aussehen?
02:52
That's the question.
67
172260
2000
Oder eher so? Das ist die Frage.
02:54
I must say, many of the indicators
68
174260
2000
Ich muss sagen,
02:56
look like this is what it's going to look like,
69
176260
3000
viele Indikatoren lassen vermuten, dass es so
02:59
but let's talk about it.
70
179260
3000
ausschauen wird. Aber lassen sie uns darüber reden.
03:02
So my provocative statement
71
182260
3000
Meine provokative Äusserung ist,
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
dass wir dringend eine ernsthafte, wissenschaftliche
03:08
And scientific theory means quantifiable --
73
188260
3000
Theorie zu Städten brauchen. Wissenschaftliche Theorie
03:11
relying on underlying generic principles
74
191260
3000
bedeutet quantifizierbar, abgestützt
03:14
that can be made into a predictive framework.
75
194260
2000
auf allgemeinen Prinzipien, damit wir
03:16
That's the quest.
76
196260
2000
Prognosen ableiten können.
03:18
Is that conceivable?
77
198260
2000
Das ist die Aufgabe. Ist das vorstellbar?
03:20
Are there universal laws?
78
200260
2000
Gibt es universelle Gesetze?
03:22
So here's two questions
79
202260
2000
Hier nun zwei Fragen,
03:24
that I have in my head when I think about this problem.
80
204260
2000
welche ich im Hinterkopf habe
03:26
The first is:
81
206260
2000
um darüber nachzudenken. Die erste lautet:
03:28
Are cities part of biology?
82
208260
2000
Sind Städte so eine Art Teil der Biologie?
03:30
Is London a great big whale?
83
210260
2000
Ist London ein grosser Wal?
03:32
Is Edinburgh a horse?
84
212260
2000
Ist Edinburgh ein Pferd?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Ist Microsoft ein
03:36
What do we learn from that?
86
216260
2000
grosser Ameisenhügel? Was können wir daraus lernen?
03:38
We use them metaphorically --
87
218260
2000
Wir nutzen - bildlich gesprochen - die DNA einer Firma
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
den Metabolismus einer Stadt, und so fort.
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
Ist das einfach Mumpitz,
03:45
or is there serious substance to it?
90
225260
3000
bildlicher Mumpitz, oder eine zentrale Teil davon?
03:48
And if that is the case,
91
228260
2000
Und wenn es so ist,
03:50
how come that it's very hard to kill a city?
92
230260
2000
wie kommt es, dass es schwer ist,
03:52
You could drop an atom bomb on a city,
93
232260
2000
Städte zu töten. Sie können eine Atombombe
03:54
and 30 years later it's surviving.
94
234260
2000
auf eine Stadt werfen, 30 Jahre später
03:56
Very few cities fail.
95
236260
3000
lebt sie wieder. Sehr wenig Städte fallen.
03:59
All companies die, all companies.
96
239260
3000
Alle Firmen sterben, alle Unternehmen.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Wenn sie eine seriöse Theorie haben,
04:04
when Google is going to go bust.
98
244260
3000
sollten sie vorhersagen können, wann Google eingehen wird.
04:07
So is that just another version
99
247260
3000
Ist dies hier
04:10
of this?
100
250260
2000
nur eine Variante von dem hier?
04:12
Well we understand this very well.
101
252260
2000
Das verstehen wir
04:14
That is, you ask any generic question about this --
102
254260
2000
ziemlich gut. Dass heisst, sie können
04:16
how many trees of a given size,
103
256260
2000
allgemeine Fragen dazu stellen: Wie viele Bäume
04:18
how many branches of a given size does a tree have,
104
258260
2000
einer gegebenen Grösse, wie viele Äste
04:20
how many leaves,
105
260260
2000
einer gegebenen Grösse hat ein Baum, wie viele Blätter,
04:22
what is the energy flowing through each branch,
106
262260
2000
welche Energie fliesst durch
04:24
what is the size of the canopy,
107
264260
2000
einzelne Äste, wie gross ist das
04:26
what is its growth, what is its mortality?
108
266260
2000
Laubdach, wie ist das Wachstum,
04:28
We have a mathematical framework
109
268260
2000
wie die Sterblichkeit? Wir haben ein
04:30
based on generic universal principles
110
270260
3000
mathematisches System, basierend auf allgemeinen, universellen
04:33
that can answer those questions.
111
273260
2000
Prinzipien, welches diese Fragen beantworten können.
04:35
And the idea is can we do the same for this?
112
275260
4000
Die Idee ist nun, können wir das auch für dies hier?
04:40
So the route in is recognizing
113
280260
3000
Der Zugang dazu liegt in einem
04:43
one of the most extraordinary things about life,
114
283260
2000
der aussergewöhnlichsten Dinge
04:45
is that it is scalable,
115
285260
2000
über das Leben: das es
04:47
it works over an extraordinary range.
116
287260
2000
skalierbar ist. Es funktioniert über einen
04:49
This is just a tiny range actually:
117
289260
2000
ungeheuer grossen Bereich. Dies ist nur
04:51
It's us mammals;
118
291260
2000
ein winziger Bereich. Das sind wir,
04:53
we're one of these.
119
293260
2000
Säugetiere, wir sind eines davon.
04:55
The same principles, the same dynamics,
120
295260
2000
Die gleichen Prinzipien, die gleichen Vorgänge,
04:57
the same organization is at work
121
297260
2000
die gleichen Organisationsstrukturen
04:59
in all of these, including us,
122
299260
2000
in allen davon, inklusive uns.
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
Und es ist skalierbar über einen Grössenbereich von
05:04
And that is one of the main reasons
124
304260
3000
100 Millionen. Das ist einer der
05:07
life is so resilient and robust --
125
307260
2000
Hauptgründe, dass das Leben so
05:09
scalability.
126
309260
2000
belastbar und robust ist:
05:11
We're going to discuss that in a moment more.
127
311260
3000
Skalierbarkeit. Wir werden das
05:14
But you know, at a local level,
128
314260
2000
später nochmals diskutieren. Aber sie wissen, auf
05:16
you scale; everybody in this room is scaled.
129
316260
2000
lokaler Eben, jeder hier ist skaliert.
05:18
That's called growth.
130
318260
2000
Wir nennen es Wachstum.
05:20
Here's how you grew.
131
320260
2000
So wachsen sie.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Ratten, das ist für Ratten,
05:24
We're all pretty much the same.
133
324260
3000
es könnten auch sie sein. Wir sind uns alle ziemlich ähnlich.
05:27
And you see, you're very familiar with this.
134
327260
2000
Sie sehen, das sieht vertraut aus.
05:29
You grow very quickly and then you stop.
135
329260
2000
Sie wachsen anfangs sehr schnell
05:31
And that line there
136
331260
2000
und hören dann auf. Und diese Linie
05:33
is a prediction from the same theory,
137
333260
2000
ist eine Vorhersage der
05:35
based on the same principles,
138
335260
2000
gleichen Theorie, basierend auf den
05:37
that describes that forest.
139
337260
2000
selben Prinzipien, die Wälder betrifft.
05:39
And here it is for the growth of a rat,
140
339260
2000
Hier dargestellt für das Wachstum
05:41
and those points on there are data points.
141
341260
2000
von Ratten. Und diese Punkte sind
05:43
This is just the weight versus the age.
142
343260
2000
Messungen. Einfach Gewicht
05:45
And you see, it stops growing.
143
345260
2000
versus Alter. Sie sehen, das Wachstum stoppt.
05:47
Very, very good for biology --
144
347260
2000
Sehr, sehr gut für die Biologie -
05:49
also one of the reasons for its great resilience.
145
349260
2000
einer der Gründe, für deren Belastbarkeit.
05:51
Very, very bad
146
351260
2000
Sehr, sehr schlecht
05:53
for economies and companies and cities
147
353260
2000
für Wirtschaft und Firmen und Städte
05:55
in our present paradigm.
148
355260
2000
in unserem aktuellen Paradigma.
05:57
This is what we believe.
149
357260
2000
Wir glauben an das hier.
05:59
This is what our whole economy
150
359260
2000
Wir meinen unsere ganze Wirtschaft
06:01
is thrusting upon us,
151
361260
2000
verhält sich so,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
gezeigt in der Ecke links:
06:06
hockey sticks.
153
366260
2000
Hockeyschläger.
06:08
This is a bunch of software companies --
154
368260
2000
Das ist eine Gruppe von Software-Firmen
06:10
and what it is is their revenue versus their age --
155
370260
2000
und ihre Einkünfte versus ihr Alter,
06:12
all zooming away,
156
372260
2000
alle schiessen in die Höhe
06:14
and everybody making millions and billions of dollars.
157
374260
2000
und jeder macht Millionen und Milliarden von Dollars.
06:16
Okay, so how do we understand this?
158
376260
3000
Also, wie verstehen wir das?
06:19
So let's first talk about biology.
159
379260
3000
Lassen sie uns zuerst über Biologie reden.
06:22
This is explicitly showing you
160
382260
2000
Dies hier zeigt klar,
06:24
how things scale,
161
384260
2000
wie Dinge skaliert sind.
06:26
and this is a truly remarkable graph.
162
386260
2000
Das ist eine wahrhaft bemerkenswerte Grafik.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Gezeigt wird die metabolische Rate -
06:31
how much energy you need per day to stay alive --
164
391260
3000
wie viel Energie sie pro Tag zum Überleben brauchen -
06:34
versus your weight, your mass,
165
394260
2000
gegenüber ihrem Gewicht, ihrer Masse,
06:36
for all of us bunch of organisms.
166
396260
3000
für uns alle, für alle Organismen.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Es ist etwas seltsam aufgetragen,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
jeweils mit Faktor 10, ansonsten hätte nicht
06:44
And what you see if you plot it
169
404260
2000
alles Platz im Bild. Was sie sehen, wenn sie es
06:46
in this slightly curious way
170
406260
2000
auf diese etwas seltsame Art machen,
06:48
is that everybody lies on the same line.
171
408260
3000
dass alles auf der selben Linie liegt.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Abgesehen davon, dass dies das komplexeste
06:54
in the universe,
173
414260
3000
und vielfältigste System des Universums ist,
06:57
there's an extraordinary simplicity
174
417260
2000
haben wir hier eine aussergewöhnliche Einfachheit,
06:59
being expressed by this.
175
419260
2000
so dargestellt.
07:01
It's particularly astonishing
176
421260
3000
Es ist äusserst erstaunlich,
07:04
because each one of these organisms,
177
424260
2000
weil jeder dieser Organismen,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
jedes Untersystem, jeder Zelltyp, jedes Gen
07:08
has evolved in its own unique environmental niche
179
428260
4000
sich in seiner eigenen Nische entwickelt hat,
07:12
with its own unique history.
180
432260
3000
welche einzigartig in der Geschichte ist.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Und nun, trotz Darwins Evolution
07:18
and natural selection,
182
438260
2000
und natürlicher Selektion,
07:20
they've been constrained to lie on a line.
183
440260
2000
sind sie genötigt auf einer Linie zu sein.
07:22
Something else is going on.
184
442260
2000
Etwas anderes geht hier vor.
07:24
Before I talk about that,
185
444260
2000
Bevor ich darüber spreche,
07:26
I've written down at the bottom there
186
446260
2000
hab ich hier unten die Steigung
07:28
the slope of this curve, this straight line.
187
448260
2000
der Kurve, dieser Geraden notiert.
07:30
It's three-quarters, roughly,
188
450260
2000
Sie beträgt Drei-Viertel, ungefähr,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
was kleiner als Eins ist - wir nennen das sublinear.
07:35
And here's the point of that.
190
455260
2000
Hier die zentrale Aussage.
07:37
It says that, if it were linear,
191
457260
3000
Es sagt, dass wenn es linear wäre,
07:40
the steepest slope,
192
460260
2000
mit der stärksten Steigung,
07:42
then doubling the size
193
462260
2000
eine Verdoppelung der Grösse
07:44
you would require double the amount of energy.
194
464260
2000
würde eine Verdoppelung der Energie benötigen.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Aber es ist sublinear, was bedeutet,
07:49
is that, if you double the size of the organism,
196
469260
2000
dass eine doppelt so grosser Organismus
07:51
you actually only need 75 percent more energy.
197
471260
3000
tatsächlich nur 75 Prozent mehr Energie benötigt.
07:54
So a wonderful thing about all of biology
198
474260
2000
Diese wundervolle Sache der Biologie
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
beschreibt eine aussergewöhnliche
07:59
The bigger you are systematically,
200
479260
2000
Ökonomie der Skalierung. Je grösser sie sind
08:01
according to very well-defined rules,
201
481260
2000
- systematisch, nach klar definierten Regeln -
08:03
less energy per capita.
202
483260
3000
desto weniger Energie pro Kopf brauchen sie.
08:06
Now any physiological variable you can think of,
203
486260
3000
Jede physiologische Variable, die sie sich aussuchen,
08:09
any life history event you can think of,
204
489260
2000
jeder historische Vorgang, an den sie denken,
08:11
if you plot it this way, looks like this.
205
491260
3000
wenn sie ihn so darstellen, schaut so aus.
08:14
There is an extraordinary regularity.
206
494260
2000
Es ist eine aussergewöhnliche Regelmässigkeit.
08:16
So you tell me the size of a mammal,
207
496260
2000
Sagen sie mir die Grösse eines Säugers,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
ich sage ihnen all seine 90 Prozent-Level
08:21
in terms of its physiology, life history, etc.
209
501260
4000
in Bezug auf Physiologie, Leben, Geschichte und so weiter.
08:25
And the reason for this is because of networks.
210
505260
3000
Der Grund dafür sind Netzwerke.
08:28
All of life is controlled by networks --
211
508260
3000
Alles Leben wird von Netzwerken kontrolliert,
08:31
from the intracellular through the multicellular
212
511260
2000
von interzellulären über multizellulären
08:33
through the ecosystem level.
213
513260
2000
hin zum Ökosystemlevel.
08:35
And you're very familiar with these networks.
214
515260
3000
Und sie sind vertraut mit diesen Netzwerken.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Dies ist ein kleines Etwas, welches in Elefanten lebt.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Und hier eine Zusammenfassung vom Gesagtem.
08:45
If you take those networks,
217
525260
2000
Wenn sie diese Netzwerke nehmen,
08:47
this idea of networks,
218
527260
2000
die Idee der Netzwerke,
08:49
and you apply universal principles,
219
529260
2000
und sie universelle Prinzipien anwenden,
08:51
mathematizable, universal principles,
220
531260
2000
mathematische, universelle Prinzipien -
08:53
all of these scalings
221
533260
2000
als diese Skalierbarkeit -
08:55
and all of these constraints follow,
222
535260
3000
und alle Einschränkungen befolgen,
08:58
including the description of the forest,
223
538260
2000
inklusive der Beschreibung des Waldes,
09:00
the description of your circulatory system,
224
540260
2000
die Beschreibung ihres Kreislaufes,
09:02
the description within cells.
225
542260
2000
die Beschreibung des Zellinneren.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Eine der Sachen, die ich Anfangs nicht betont habe,
09:07
was that, systematically, the pace of life
227
547260
3000
war, dass die Rate des Lebens systematisch
09:10
decreases as you get bigger.
228
550260
2000
sinkt, je grösser sie sind.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Der Herzschlag verringert sich, sie leben länger,
09:15
diffusion of oxygen and resources
230
555260
2000
Diffusion von Sauerstof und Nährstoffen
09:17
across membranes is slower, etc.
231
557260
2000
durch die Membranen geschieht langsamer, etc.
09:19
The question is: Is any of this true
232
559260
2000
Die Frage ist: Gilt das auch für
09:21
for cities and companies?
233
561260
3000
Städte und Firmen?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Ist London ein vergrössertes Birmingham,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
welches ein skaliertes Brighton ist, etc. etc.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Ist New York ein skaliertes San Francisco,
09:32
which is a scaled up Santa Fe?
237
572260
2000
welches ein grosses Santa Fe ist?
09:34
Don't know. We will discuss that.
238
574260
2000
Keine Ahnung. Wir werden das diskutieren.
09:36
But they are networks,
239
576260
2000
Aber da sind Netzwerke.
09:38
and the most important network of cities
240
578260
2000
Und das wichtigste Netzwerk
09:40
is you.
241
580260
2000
der Städte sind sie.
09:42
Cities are just a physical manifestation
242
582260
3000
Städte sind nur die physikalische
09:45
of your interactions,
243
585260
2000
Manifestation Ihrer Interaktionen,
09:47
our interactions,
244
587260
2000
unserer Interaktionen,
09:49
and the clustering and grouping of individuals.
245
589260
2000
und die Ballung und Gruppierung von Individuen.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Hier ein bildhafte Darstellung davon.
09:54
And here's scaling of cities.
247
594260
2000
Hier nun die Skalierung der Städte.
09:56
This shows that in this very simple example,
248
596260
3000
Es zeigt anhand dieses einfachen Beispiels -
09:59
which happens to be a mundane example
249
599260
2000
welches ganz alltäglich ist:
10:01
of number of petrol stations
250
601260
2000
Die Anzahl der Tankstellen
10:03
as a function of size --
251
603260
2000
als Funktion der Grösse -
10:05
plotted in the same way as the biology --
252
605260
2000
auf die gleiche Art gezeigt wie die Biologie -
10:07
you see exactly the same kind of thing.
253
607260
2000
sie sehen den genau gleichen Zusammenhang.
10:09
There is a scaling.
254
609260
2000
Auch hier Skalierung.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Die Anzahl der Tankstellen in Städten
10:15
is now given to you
256
615260
2000
ist für sie berrechenbar,
10:17
when you tell me its size.
257
617260
2000
wenn sie mir die Grösse der Stadt angeben.
10:19
The slope of that is less than linear.
258
619260
3000
Die Steigung ist sublinear.
10:22
There is an economy of scale.
259
622260
2000
Es ist eine ökonomische Skalierung. Weniger Tankstellen
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
pro Einwohner, je grösser sie ist - wenig überraschend.
10:27
But here's what's surprising.
261
627260
2000
Was aber überraschend ist,
10:29
It scales in the same way everywhere.
262
629260
2000
die Skalierung ist überall gleich.
10:31
This is just European countries,
263
631260
2000
Das sind nur Europäische Länder,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
aber das gleiche in Japan oder China oder Kolumbien.
10:36
always the same
265
636260
2000
Überall das selbe,
10:38
with the same kind of economy of scale
266
638260
2000
mit der selben Art
10:40
to the same degree.
267
640260
2000
der ökonomischen Skalierung, im selben Ausmass.
10:42
And any infrastructure you look at --
268
642260
3000
Jede Infrastruktur, die sie betrachten,
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
ob es nun die Länge der Strassen oder Stromleitungen ist,
10:48
anything you look at
270
648260
2000
alles was sie betrachten
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
hat die gleiche Ökonomie der Skalierung.
10:53
It's an integrated system
272
653260
2000
Es ist ein ganzheitliches System,
10:55
that has evolved despite all the planning and so on.
273
655260
3000
dass sich trotz allen Planungen so entwickelt hat.
10:58
But even more surprising
274
658260
2000
Aber noch überraschender
11:00
is if you look at socio-economic quantities,
275
660260
2000
ist die Betrachtung der sozio-ökonomischen Grössen,
11:02
quantities that have no analog in biology,
276
662260
3000
Grössen die kein Pendant in der Biologie haben,
11:05
that have evolved when we started forming communities
277
665260
3000
die sich entwickelten, als wir begannen
11:08
eight to 10,000 years ago.
278
668260
2000
Gesellschaften zu gründen, vor rund 8 bis 10tausend Jahren.
11:10
The top one is wages as a function of size
279
670260
2000
Das obere ist der Lohn als Funktion der Grösse
11:12
plotted in the same way.
280
672260
2000
auf die selbe Art dargestellt.
11:14
And the bottom one is you lot --
281
674260
2000
Der untere Teil sind sie -
11:16
super-creatives plotted in the same way.
282
676260
3000
die Hochkreativen - auf die gleiche Art dargestellt.
11:19
And what you see
283
679260
2000
Was sie sehen
11:21
is a scaling phenomenon.
284
681260
2000
ist ein Skalierungs-Phänomen.
11:23
But most important in this,
285
683260
2000
Das aller wichtigste ist aber,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
dass der Exponent, das Pendant
11:27
for the metabolic rate,
287
687260
2000
zur Drei-Viertel-Rate beim Metabolismus,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
grösser als eins ist - so ungefähr
11:31
Here it is,
289
691260
2000
1.15 bis 1.2. Hier ist er.
11:33
which says that the bigger you are
290
693260
3000
Es sagt aus, dass je grösser sie sind,
11:36
the more you have per capita, unlike biology --
291
696260
3000
desto mehr haben sie pro Kopf, anders als in der Biologie.
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
Höhere Löhne, mehr hochkreative Leute pro Kopf,
11:43
more patents per capita, more crime per capita.
293
703260
3000
je grösser sie werden. Mehr Patente pro Einwohner,
11:46
And we've looked at everything:
294
706260
2000
mehr Kriminalität. Wir haben alles betrachtet,
11:48
more AIDS cases, flu, etc.
295
708260
3000
AIDS-Infizierungen, Grippe etc.
11:51
And here, they're all plotted together.
296
711260
2000
Hier sind nun alle zusammen gezeichnet.
11:53
Just to show you what we plotted,
297
713260
2000
Nur um zu sagen was wir dargestellt haben,
11:55
here is income, GDP --
298
715260
3000
hier das Einkommen, das BIP (GDP) -
11:58
GDP of the city --
299
718260
2000
das BIP der Stadt -
12:00
crime and patents all on one graph.
300
720260
2000
Kriminalität und Patente, alles in einer Grafik.
12:02
And you can see, they all follow the same line.
301
722260
2000
Und sie erkennen, dass sie alle einer Linie folgen.
12:04
And here's the statement.
302
724260
2000
Und hier die Kernaussage:
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Wenn sie die Bevölkerung einer Stadt von 100'000 auf
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
200'000 verdoppeln, von einer auf zwei Millionen,
12:11
it doesn't matter,
305
731260
2000
von 10 auf 20 Millionen, es hat keinen Einfluss.
12:13
then systematically
306
733260
2000
Die Systematik, die sie erhalten
12:15
you get a 15 percent increase
307
735260
2000
ist ein 15 Prozent Anstieg
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
in Löhnen, Wohlstand,
12:19
number of police,
309
739260
2000
Anzahl AIDS-Erkrankungen, Anzahl Polizisten,
12:21
anything you can think of.
310
741260
2000
alles, was denkbar ist,
12:23
It goes up by 15 percent,
311
743260
2000
steigt um 15 Prozent.
12:25
and you have a 15 percent savings
312
745260
3000
Und sie haben 15 Prozent
12:28
on the infrastructure.
313
748260
3000
Einsparungen bei der Infrastruktur.
12:31
This, no doubt, is the reason
314
751260
3000
Das ist zweifellos der Grund
12:34
why a million people a week are gathering in cities.
315
754260
3000
warum Millionen Menschen jede Woche in Städte pilgern.
12:37
Because they think that all those wonderful things --
316
757260
3000
Sie denken an all die wundervollen Dinge,
12:40
like creative people, wealth, income --
317
760260
2000
wie kreative Menschen, Wohlstand, Einkommen.
12:42
is what attracts them,
318
762260
2000
Das zieht sie an,
12:44
forgetting about the ugly and the bad.
319
764260
2000
all die schlechten und hässlichen Dinge vergessend.
12:46
What is the reason for this?
320
766260
2000
Was ist der Grund dafür?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Nun, ich habe nicht genügend Zeit für all die Mathematik,
12:51
but underlying this is the social networks,
322
771260
3000
aber die Grundlagen sind die sozialen Netzwerke.
12:54
because this is a universal phenomenon.
323
774260
3000
Denn das ist ein universelles Phänomen.
12:57
This 15 percent rule
324
777260
3000
Die 15-Prozent-Regel
13:00
is true
325
780260
2000
ist korrekt,
13:02
no matter where you are on the planet --
326
782260
2000
egal wo auf dem Planeten sie sind:
13:04
Japan, Chile,
327
784260
2000
Japan, Chile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugal, Schottland - es ist egal.
13:09
Always, all the data shows it's the same,
329
789260
3000
Überall zeigen die Daten das selbe.
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
Obwohl sich dies Städte unabhängig voneinander
13:15
Something universal is going on.
331
795260
2000
entwickelt haben, geschieht hier etwas universelles.
13:17
The universality, to repeat, is us --
332
797260
3000
Die Allgemeingültigkeit, um es zu wiederholen, sind wir -
13:20
that we are the city.
333
800260
2000
wir sind die Stadt.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Unsere Zusammenspiel und die Gruppierung dieser
13:25
So there it is, I've said it again.
335
805260
2000
Interaktionen. Hier gezeigt, wie schon erwähnt.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Wenn diese Netzwerke und ihre mathematische Struktur,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
anders als die Biologie, welche sublinear skaliert,
13:33
economies of scale,
338
813260
2000
- Ökonomie der Skalierung,
13:35
you had the slowing of the pace of life
339
815260
2000
sie haben die Verzögerung des Tempos des Lebens,
13:37
as you get bigger.
340
817260
2000
wenn sie grösser werden.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
In sozialen Netzwerken haben sie eine superlineare
13:41
more per capita --
342
821260
2000
Skalierung - mehr pro Kopf.
13:43
then the theory says
343
823260
2000
Dann sagt die Theorie,
13:45
that you increase the pace of life.
344
825260
2000
dass sie das Leben beschleunigen.
13:47
The bigger you are, life gets faster.
345
827260
2000
Je grösser sie sind, desto schneller wird es.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Links haben sie die Herzschlagraten
13:51
On the right is the speed of walking
347
831260
2000
der Biologie, rechts die
13:53
in a bunch of European cities,
348
833260
2000
Schrittgeschwindigkeit von zahlreichen
13:55
showing that increase.
349
835260
2000
europäischen Städten, die den Anstieg aufzeigen.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Zuletzt möchte ich über Wachstum sprechen.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Das ist - nochmals erwähnt - was wir in der Biologie haben.
14:03
Economies of scale
352
843260
3000
Die Ökonomie der Skalierung
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
ergibt eine S-förmiges Verhalten.
14:09
You grow fast and then stop --
354
849260
3000
Sie wachsen rasch und stoppen,
14:12
part of our resilience.
355
852260
2000
Teil unser Wiederstandsfähigkeit.
14:14
That would be bad for economies and cities.
356
854260
3000
Das wäre schlecht für Wirtschaft und Städte.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
In der Tat, eine der wunderbaren Sachen dieser Theorie ist,
14:19
is that if you have super-linear scaling
358
859260
3000
dass wenn sie superlineares Wachstum haben
14:22
from wealth creation and innovation,
359
862260
2000
bezüglich Wohlstand und Innovation,
14:24
then indeed you get, from the same theory,
360
864260
3000
dann bekommen sie tatsächlich - von der selben Theorie -
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
eine wunderschön exponentiell wachsende Kurve.
14:29
And in fact, if you compare it to data,
362
869260
2000
Und tatsächlich, wenn sie mit Daten vergleichen,
14:31
it fits very well
363
871260
2000
passt es sehr gut
14:33
with the development of cities and economies.
364
873260
2000
mit der Entwicklung von Städten und Wirtschaft.
14:35
But it has a terrible catch,
365
875260
2000
Es gibt aber einen grässlichen Haken.
14:37
and the catch
366
877260
2000
Der Haken besteht darin,
14:39
is that this system is destined to collapse.
367
879260
3000
dass dieses System zum Kollaps verurteilt sind.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Sie sind aus zahlreichen Gründen zum Kollaps verdammt,
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
ein Art Gesetz nach Malthus: Ihnen gehen die Rohstoffe aus.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Wie kann man das vermeiden? Nun,
14:50
What we do is,
371
890260
2000
wir haben dies bereits getan. Wenn wir
14:52
as we grow and we approach the collapse,
372
892260
3000
wachsen und uns dem Kollaps nähern,
14:55
a major innovation takes place
373
895260
3000
geschehen grundlegende Neuerungen,
14:58
and we start over again,
374
898260
2000
und wir starten wieder von vorne.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
Wir starten immer wieder, bis wir uns dem nächsten nähern.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Das ist der stetige Zyklus der Innovation,
15:05
that is necessary
377
905260
2000
welcher notwendig ist für
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
das Wachstum und um und Zusammenbrüche zu meiden.
15:10
The catch, however, to this
379
910260
2000
Der Haken besteht darin,
15:12
is that you have to innovate
380
912260
2000
dass sie erneuern müssen,
15:14
faster and faster and faster.
381
914260
3000
immer schneller und schneller.
15:17
So the image
382
917260
2000
Bildlich gesprochen
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
haben wir nicht nur eine Tretmühle, die immer schneller wird,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
wir müssen die Tretmühle auch immer schneller auswechseln.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Wir müssen unaufhörlich beschleunigen.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Die Frage ist daher: Können wir als sozio-ökonomische
15:31
avoid a heart attack?
387
931260
3000
Wesen den Herzinfarkt vermeiden?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Zum Schluss - ich bin in ein zwei Minuten am Ende -
15:37
asking about companies.
389
937260
2000
noch zu den Firmen.
15:39
See companies, they scale.
390
939260
2000
Nun, Firmen skalieren.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Die obere ist tatsächlich Walmart (Detailhandelskonzern).
15:43
It's the same plot.
392
943260
2000
Die gleiche Grafik.
15:45
This happens to be income and assets
393
945260
2000
Dies sind Einkommen und Gütern
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
versus Firmengrösse, angegeben in Anzahl Angestellter.
15:49
We could use sales, anything you like.
395
949260
3000
Wir könnten Verkäufe nehmen, was sie wollen.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Nach einigen Fluktuationen am Anfang,
15:55
when companies are innovating,
397
955260
2000
sobald Firmen entwickeln,
15:57
they scale beautifully.
398
957260
2000
skalieren sie wunderbar.
15:59
And we've looked at 23,000 companies
399
959260
3000
Wir haben 23'000 Firmen angeschaut,
16:02
in the United States, may I say.
400
962260
2000
in den USA, muss ich erwähnen.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Und ich zeige ihnen nur einen kleinen Teil davon.
16:07
What is astonishing about companies
402
967260
2000
Erstaunlich ist bei Firmen,
16:09
is that they scale sublinearly
403
969260
3000
dass sie sublinear skalieren,
16:12
like biology,
404
972260
2000
wie in der Biologie.
16:14
indicating that they're dominated,
405
974260
2000
aufzeigend, dass sie nicht dominiert sind
16:16
not by super-linear
406
976260
2000
von superlinearen
16:18
innovation and ideas;
407
978260
3000
Erfindungen und Ideen.
16:21
they become dominated
408
981260
2000
Sie werden dominiert
16:23
by economies of scale.
409
983260
2000
von der Ökonomie des Wachstums.
16:25
In that interpretation,
410
985260
2000
Bei diese Interpretation,
16:27
by bureaucracy and administration,
411
987260
2000
verursacht durch Bürokratie und Administration.
16:29
and they do it beautifully, may I say.
412
989260
2000
Und das geschieht wunderschön, muss ich anfügen.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Wenn sie mir nun die Grösse einer Firma sagen, ein kleine Firma,
16:34
I could have predicted the size of Walmart.
414
994260
3000
kann ich die Grösse von Walmart vorhersagen.
16:37
If it has this sublinear scaling,
415
997260
2000
Wenn es sublinear skaliert,
16:39
the theory says
416
999260
2000
sagt die Theorie,
16:41
we should have sigmoidal growth.
417
1001260
3000
dass wir ein S-förmiges Wachstum haben.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Hier ist Walmart, schaut aber nicht sehr S-förmig aus.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Sieht eher aus wie ein Hockeyschläger.
16:49
But you notice, I've cheated,
420
1009260
2000
Aber sie haben bemerkt, dass ich gemogelt habe,
16:51
because I've only gone up to '94.
421
1011260
2000
da ich nur bis 1994 gegangen bin.
16:53
Let's go up to 2008.
422
1013260
2000
Gehen wir nun bis 2008.
16:55
That red line is from the theory.
423
1015260
3000
Die rote Linie ist die Theorie.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Wenn ich das nun 1994 gemacht hätte,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
hätte ich vorhersagen können wo Walmart heute steht.
17:03
And then this is repeated
426
1023260
2000
Dies nun ist die Anwendung davon
17:05
across the entire spectrum of companies.
427
1025260
2000
auf das ganze Spektrum von Firmen.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Hier sind 23'000 Firmen gezeigt.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Zu Beginn starte alle im Hockeyschläger-Stil,
17:12
they all bend over,
430
1032260
2000
die Kurven biegen sich durch,
17:14
and they all die like you and me.
431
1034260
2000
und sie alle sterben wie sie und ich.
17:16
Thank you.
432
1036260
2000
Herzlichen Dank.
17:18
(Applause)
433
1038260
9000
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7