The real relationship between your age and your chance of success | Albert-László Barabási

285,456 views ・ 2019-09-03

TED


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

Übersetzung: Mara Fettkenheuer Lektorat: Andreas Herzog
00:12
Today, actually, is a very special day for me,
0
12249
2266
Heute ist ein ganz besonderer Tag für mich,
00:14
because it is my birthday.
1
14539
2121
denn es ist mein Geburtstag.
00:16
(Applause)
2
16684
3973
(Applaus)
00:20
And so, thanks to all of you for joining the party.
3
20681
3441
Daher danke ich Ihnen allen, bei der Party dabei zu sein.
00:24
(Laughter)
4
24146
1167
(Gelächter)
00:25
But every time you throw a party, there's someone there to spoil it. Right?
5
25337
4786
Doch bei jeder Party gibt es einen Spielverderber.
00:30
(Laughter)
6
30147
1072
(Gelächter)
00:31
And I'm a physicist,
7
31243
1359
Ich bin Physiker
00:32
and this time I brought another physicist along to do so.
8
32626
4157
und diesmal wird ein anderer Physiker das übernehmen.
00:36
His name is Albert Einstein -- also Albert -- and he's the one who said
9
36807
4562
Sein Name ist Albert Einstein -- auch Albert -- und er sagte,
00:41
that the person who has not made his great contributions to science
10
41393
4830
dass diejenigen, die vor dem 30. Lebensjahr
keine großen Beiträge zur Wissenschaft geleistet haben,
00:46
by the age of 30
11
46247
1559
00:47
will never do so.
12
47830
1396
es niemals tun werden.
00:49
(Laughter)
13
49250
1012
(Gelächter)
00:50
Now, you don't need to check Wikipedia
14
50286
2340
Sie müssen nicht auf Wikipedia nachsehen,
00:52
that I'm beyond 30.
15
52650
1571
dass ich über 30 bin.
00:54
(Laughter)
16
54245
1416
(Gelächter)
00:55
So, effectively, what he is telling me, and us,
17
55685
3606
Also was er mir und uns damit sagen möchte ist,
00:59
is that when it comes to my science,
18
59315
2544
hinsichtlich meiner Wissenschaft
01:01
I'm deadwood.
19
61883
1203
habe ich ausgedient.
01:04
Well, luckily, I had my share of luck within my career.
20
64078
5586
Zum Glück hatte ich meinen Glücksmoment in meiner Karriere.
01:10
Around age 28, I became very interested in networks,
21
70132
3822
Mit 28 Jahren begann mein Interesse an Netzwerken,
01:13
and a few years later, we managed to publish a few key papers
22
73978
4076
wenige Jahre danach veröffentlichten wir einige Hauptartikel,
01:18
that reported the discovery of scale-free networks
23
78078
4097
die die Entdeckung von skalenfreien Netzwerken aufzeigten
01:22
and really gave birth to a new discipline that we call network science today.
24
82199
4578
und die Geburtsstunde der heutigen Netzwerkwissenschaft waren.
01:26
And if you really care about it, you can get a PhD now in network science
25
86801
3678
Wen es wirklich interessiert, kann jetzt in Netzwerkforschung promovieren.
01:30
in Budapest, in Boston,
26
90503
2028
In Budapest, in Boston
01:32
and you can study it all over the world.
27
92555
2308
und es auf der ganzen Welt studieren.
01:35
A few years later,
28
95466
1595
Einige Jahre danach,
01:37
when I moved to Harvard first as a sabbatical,
29
97085
3230
als ich nach Havard zog, zunächst für ein Sabbatjahr,
01:40
I became interested in another type of network:
30
100339
3092
begann mein Interesse an einer weiteren Art von Netzwerk:
01:43
that time, the networks within ourselves,
31
103455
3027
diesmal die Netzwerke in uns;
01:46
how the genes and the proteins and the metabolites link to each other
32
106506
3726
wie Gene, Proteine, Stoffwechselprodukte miteinander verknüpft sind
01:50
and how they connect to disease.
33
110256
2493
und was sie mit Krankheiten zu tun haben.
01:53
And that interest led to a major explosion within medicine,
34
113368
4592
Dieses Interesse führte zu einer Explosion in der Medizin,
01:57
including the Network Medicine Division at Harvard,
35
117984
3979
auch in der Abteilung für Netzwerkmedizin in Havard,
02:01
that has more than 300 researchers who are using this perspective
36
121987
3395
die über 300 Forscher beschäftigt, die diese Sichtweise nutzen,
02:05
to treat patients and develop new cures.
37
125406
2897
um Patienten zu behandeln und neue Verfahren zu entwickeln.
02:09
And a few years ago,
38
129457
1770
Vor einigen Jahren
02:11
I thought that I would take this idea of networks
39
131251
2526
wollte ich diese Idee von Netzwerken
02:13
and the expertise we had in networks
40
133801
1766
und unser Wissen über Netzwerke
02:15
in a different area,
41
135591
1392
anders einsetzen,
02:17
that is, to understand success.
42
137007
1982
und zwar, um Erfolg zu begreifen.
02:19
And why did we do that?
43
139704
1210
Warum machten wir das?
02:20
Well, we thought that, to some degree,
44
140938
2281
Wir dachten, dass zu einem gewissen Grad
02:23
our success is determined by the networks we're part of --
45
143243
3377
unser Erfolg von den Netzwerken abhinge, denen wir angehören.
02:26
that our networks can push us forward, they can pull us back.
46
146644
3847
Dass unsere Netzwerke uns antreiben oder ausbremsen können.
02:30
And I was curious if we could use the knowledge and big data and expertise
47
150925
4128
Ich wollte wissen, ob wir das Wissen, Big Data und Fachkenntnis
02:35
where we develop the networks
48
155077
1403
das wir in Netzwerken haben,
02:36
to really quantify how these things happen.
49
156504
3296
zur Messung dieser Dinge nutzen können.
02:40
This is a result from that.
50
160404
1342
Dies ist ein Resultat davon.
02:41
What you see here is a network of galleries in museums
51
161770
2947
Hier sehen Sie ein Netzwerk von Galerien in Museen,
02:44
that connect to each other.
52
164741
1632
die miteinander verbunden sind.
02:46
And through this map that we mapped out last year,
53
166806
4055
Mit dieser Karte, die wir letztes Jahr erstellten,
02:50
we are able to predict very accurately the success of an artist
54
170885
4848
können wir präzise den Erfolg eines Künstlers vorhersagen,
02:55
if you give me the first five exhibits that he or she had in their career.
55
175757
4021
anhand der ersten fünf Stücke, die er oder sie je ausstellte.
03:01
Well, as we thought about success,
56
181404
2706
Nun, als wir über Erfolg nachdachten,
03:04
we realized that success is not only about networks;
57
184134
3067
bemerkten wir, dass Erfolg nicht nur von Netzwerken abhängt.
03:07
there are so many other dimensions to that.
58
187225
2396
Es gehören viele Dimensionen dazu.
03:10
And one of the things we need for success, obviously,
59
190145
3247
Was wir offenbar zum Erfolg brauchen,
03:13
is performance.
60
193416
1170
ist Leistung.
03:14
So let's define what's the difference between performance and success.
61
194610
3504
Definieren wir den Unterschied zwischen Leistung und Erfolg.
03:18
Well, performance is what you do:
62
198465
1997
Leistung ist, was man tut:
03:20
how fast you run, what kind of paintings you paint,
63
200486
3032
wie schnell man rennt, welche Bilder man malt,
03:23
what kind of papers you publish.
64
203542
1881
welche Arbeiten man veröffentlicht.
03:25
However, in our working definition,
65
205835
2614
Erfolg hingegen definieren wir
03:28
success is about what the community notices from what you did,
66
208473
4205
anhand der Anerkennung des Geleisteten durch die Gemeinschaft.
03:32
from your performance:
67
212702
1612
Die Leistung:
03:34
How does it acknowledge it, and how does it reward you for it?
68
214338
4132
wie wird sie anerkannt, wie wird man dafür ausgezeichnet?
03:38
In other terms,
69
218494
1182
Mit anderen Worten:
03:39
your performance is about you, but your success is about all of us.
70
219700
4596
Ihre Leistung hängt von Ihnen ab, doch Ihr Erfolg von uns allen.
03:45
And this was a very important shift for us,
71
225392
3334
Das war ein sehr wichtiger Wandel für uns,
03:48
because the moment we defined success as being a collective measure
72
228750
4024
denn im Moment wo wir Erfolg als kollektiven Maßstab definierten,
03:52
that the community provides to us,
73
232798
2106
den die Gemeinschaft bestimmt,
03:54
it became measurable,
74
234928
1510
wurde er messbar,
03:56
because if it's in the community, there are multiple data points about that.
75
236462
4510
da innerhalb der Gemeinschaft mehrere Datenpunkte dazu bestehen.
04:00
So we go to school, we exercise, we practice,
76
240996
5280
Wir gehen zur Schule, treiben Sport und üben,
04:06
because we believe that performance leads to success.
77
246300
2991
weil wir denken, dass Leistung zu Erfolg führt.
04:09
But the way we actually started to explore,
78
249832
2015
Durch die Art wie wir nachforschten,
04:11
we realized that performance and success are very, very different animals
79
251871
3527
erkannten wir, dass Leistung und Erfolg zwei Paar Schuhe sind,
04:15
when it comes to the mathematics of the problem.
80
255422
2444
wenn es um die Mathematik des Problems geht.
04:18
And let me illustrate that.
81
258429
1432
Ich illustriere dies so.
04:20
So what you see here is the fastest man on earth, Usain Bolt.
82
260329
4947
Hier sieht man
den schnellsten Mann der Welt: Usain Bolt.
04:25
And of course, he wins most of the competitions that he enters.
83
265832
3910
Er gewinnt die meisten Wettbewerbe, bei denen er startet.
04:30
And we know he's the fastest on earth because we have a chronometer
84
270393
3175
Wir wissen, er ist der Schnellste, da wir Zeitmesser haben,
04:33
to measure his speed.
85
273592
1160
die seine Zeit stoppt.
04:34
Well, what is interesting about him is that when he wins,
86
274776
4119
Interessant an ihm ist, dass wenn er gewinnt,
tut er das nicht,
04:38
he doesn't do so by really significantly outrunning his competition.
87
278919
5502
weil er viel schneller rennt als die Anderen.
04:44
He's running at most a percent faster than the one who loses the race.
88
284445
4519
Er rennt höchstens ein Prozent schneller als der Verlierer des Rennens.
04:49
And not only does he run only one percent faster than the second one,
89
289631
3638
Er rennt nur ein Prozent schneller als der Zweite
04:53
but he doesn't run 10 times faster than I do --
90
293293
2849
und nicht mal 10 Mal schneller als ich
04:56
and I'm not a good runner, trust me on that.
91
296166
2181
und ich bin kein guter Läufer, glauben Sie es mir.
04:58
(Laughter)
92
298371
1197
(Gelächter)
04:59
And every time we are able to measure performance,
93
299592
3502
Immer wenn wir Leistung messen können,
05:03
we notice something very interesting;
94
303118
2050
fällt uns etwas Interessantes auf,
05:05
that is, performance is bounded.
95
305192
2511
und zwar, dass Leistung begrenzt ist.
05:07
What it means is that there are no huge variations in human performance.
96
307727
3757
Es gibt also keine großen Unterschiede bei menschlicher Leistung.
05:11
It varies only in a narrow range,
97
311508
3432
Sie variiert nur in kleinem Maße
05:14
and we do need the chronometer to measure the differences.
98
314964
3279
und wir brauchen einen Zeitmesser, um den Unterschied festzustellen.
05:18
This is not to say that we cannot see the good from the best ones,
99
318267
3168
Wir können zwar die Guten von den Besseren unterscheiden,
05:21
but the best ones are very hard to distinguish.
100
321459
2733
aber die Besten sind schwer zu differenzieren.
05:24
And the problem with that is that most of us work in areas
101
324216
2992
Problematisch ist, die meisten arbeiten in Bereichen,
05:27
where we do not have a chronometer to gauge our performance.
102
327232
3922
wo keine Stoppuhr die Leistung misst.
05:31
Alright, performance is bounded,
103
331178
1564
Also Leistung ist begrenzt.
05:32
there are no huge differences between us when it comes to our performance.
104
332766
3532
Es gibt keine großen Unterschiede bei unseren Leistungen.
05:36
How about success?
105
336322
1157
Wie ist es bei Erfolg?
05:37
Well, let's switch to a different topic, like books.
106
337995
2930
Wechseln wir das Thema zu Büchern.
05:40
One measure of success for writers is how many people read your work.
107
340949
5015
Der Erfolg eines Autors wird an der Leserzahl gemessen.
05:46
And so when my previous book came out in 2009,
108
346662
4410
Als 2009 mein letztes Buch erschien,
05:51
I was in Europe talking with my editor,
109
351096
1902
traf ich meinen Verleger in Europa
05:53
and I was interested: Who is the competition?
110
353022
2462
und ich wollte wissen: Wer ist die Konkurrenz?
05:56
And I had some fabulous ones.
111
356253
2735
Und ich hatte fabelhafte Konkurrenz.
05:59
That week --
112
359012
1169
In der Woche --
06:00
(Laughter)
113
360205
1024
(Gelächter)
06:01
Dan Brown came out with "The Lost Symbol,"
114
361253
3557
erschien Dan Browns "Das verlorene Symbol"
06:04
and "The Last Song" also came out,
115
364834
2982
und "Mit Dir an meiner Seite"
06:07
Nicholas Sparks.
116
367840
1429
von Nicholas Sparks.
06:09
And when you just look at the list,
117
369293
2988
Wenn man nur die Liste betrachtet,
06:12
you realize, you know, performance-wise, there's hardly any difference
118
372305
3453
ist kein großer Unterschied in puncto Leistung erkennbar,
06:15
between these books or mine.
119
375782
1598
zwischen diesen und meinem Buch.
06:17
Right?
120
377404
1175
Richtig?
06:18
So maybe if Nicholas Sparks's team works a little harder,
121
378603
4668
Wenn Nicholas Sparkses Team ein bisschen mehr gäbe,
06:23
he could easily be number one,
122
383295
1722
könnte er einfach Nummer eins sein,
06:25
because it's almost by accident who ended up at the top.
123
385041
2898
da es fast Zufall ist, wer oben endet.
06:28
So I said, let's look at the numbers -- I'm a data person, right?
124
388486
3153
Ich wollte also die Zahlen sehen -- ich bin ein Datenmensch.
06:31
So let's see what were the sales for Nicholas Sparks.
125
391663
4318
Was waren Nicholas Sparks Verkaufzahlen?
06:36
And it turns out that that opening weekend,
126
396005
2054
An diesem Eröffnungswochenende
06:38
Nicholas Sparks sold more than a hundred thousand copies,
127
398083
2975
verkaufte er über hunderttausend Kopien,
06:41
which is an amazing number.
128
401082
1705
was eine eindrucksvolle Zahl ist.
06:42
You can actually get to the top of the "New York Times" best-seller list
129
402811
3396
Man kann an die Spitze der New York Times Bestsellerliste kommen
06:46
by selling 10,000 copies a week,
130
406231
2110
mit 10.000 verkauften Kopien pro Woche.
06:48
so he tenfold overcame what he needed to be number one.
131
408365
3752
Er übertraf zehnfach, was er zur Nummer eins gebraucht hätte.
06:52
Yet he wasn't number one.
132
412141
1430
Trotzdem war er nicht an der Spitze.
06:53
Why?
133
413595
1308
Warum?
06:54
Because there was Dan Brown, who sold 1.2 million copies that weekend.
134
414927
4078
Da Dan Brown 1,2 Millionen Kopien an dem Wochenende verkaufte.
06:59
(Laughter)
135
419029
2136
(Gelächter)
07:01
And the reason I like this number is because it shows that, really,
136
421189
3971
Ich mag diese Zahlen, denn sie zeigen,
07:05
when it comes to success, it's unbounded,
137
425184
3730
dass Erfolg unbegrenzt ist,
07:08
that the best doesn't only get slightly more than the second best
138
428938
5861
dass der Beste nicht nur ein wenig mehr als der Zweite bekommt,
07:14
but gets orders of magnitude more,
139
434823
2697
sondern um Größenordnungen mehr,
07:17
because success is a collective measure.
140
437544
2794
denn Erfolg ist ein kollektiver Maßstab.
07:20
We give it to them, rather than we earn it through our performance.
141
440362
4376
Wir vergeben ihn, anstatt ihn durch Leistung zu verdienen.
07:24
So one of things we realized is that performance, what we do, is bounded,
142
444762
5376
Wir erkannten, dass Leistung, also was wir tun, begrenzt ist.
07:30
but success, which is collective, is unbounded,
143
450162
2682
Erfolg jedoch ist kollektiv und unbegrenzt
07:32
which makes you wonder:
144
452868
1312
und Sie fragen sich:
07:34
How do you get these huge differences in success
145
454204
2911
Wie entstehen diese riesigen Unterschiede bei Erfolg,
07:37
when you have such tiny differences in performance?
146
457139
2906
wenn es nur so kleine Unterschiede bei der Leistung gibt?
07:40
And recently, I published a book that I devoted to that very question.
147
460537
3787
Kürzlich veröffentlichte ich ein Buch, das ich dieser Frage widmete.
07:44
And they didn't give me enough time to go over all of that,
148
464348
2839
Ich habe nicht genug Zeit bekommen, um all das abzudecken,
07:47
so I'm going to go back to the question of,
149
467211
2071
also zurück zur Frage,
07:49
alright, you have success; when should that appear?
150
469306
3135
Sie haben Erfolg: wann sollte der auftreten?
07:52
So let's go back to the party spoiler and ask ourselves:
151
472465
3758
Zurück zum Spielverderber und der Frage:
07:57
Why did Einstein make this ridiculous statement,
152
477215
3339
Warum machte Einstein diese lächerliche Aussage,
08:00
that only before 30 you could actually be creative?
153
480578
3156
dass man nur unter 30 wirklich kreativ sein könne?
08:03
Well, because he looked around himself and he saw all these fabulous physicists
154
483758
4680
Weil er um sich schaute und all die fabelhaften Physiker sah,
08:08
that created quantum mechanics and modern physics,
155
488462
2587
die Quantenmechanik und moderne Physik begründeten,
08:11
and they were all in their 20s and early 30s when they did so.
156
491073
3736
und alle waren in ihren 20ern und frühen 30ern, als sie das taten.
08:15
And it's not only him.
157
495730
1220
Und es ist nicht nur er.
08:16
It's not only observational bias,
158
496974
1623
Dies ist keine Ergebnisverzerrung,
08:18
because there's actually a whole field of genius research
159
498621
3997
denn es gibt wirklich ein ganzes Feld in der Genieforschung,
08:22
that has documented the fact that,
160
502642
2256
das die Tatsache belegt hat,
08:24
if we look at the people we admire from the past
161
504922
3160
wenn wir an verehrte Menschen aus der Vergangenheit denken
08:28
and then look at what age they made their biggest contribution,
162
508106
3358
und dann das Alter beim größten Beitrag betrachten,
08:31
whether that's music, whether that's science,
163
511488
2096
ob es Musik, ob es Wissenschaft
08:33
whether that's engineering,
164
513608
1619
oder Ingenieurwesen ist,
08:35
most of them tend to do so in their 20s, 30s, early 40s at most.
165
515251
6123
war das vor dem 20, 30, höchstens 40sten Lebensjahr.
08:41
But there's a problem with this genius research.
166
521914
2791
Es gibt ein Problem mit der Forschung an Genies.
08:45
Well, first of all, it created the impression to us
167
525197
3280
Zunächst erweckt sie den Anschein,
08:48
that creativity equals youth,
168
528501
3479
dass Kreativität Jugend gleicht,
08:52
which is painful, right?
169
532004
1610
was schmerzhaft ist, richtig?
08:53
(Laughter)
170
533638
1951
(Gelächter)
08:55
And it also has an observational bias,
171
535613
4088
Und es besteht auch eine Ergebnisverzerrung,
08:59
because it only looks at geniuses and doesn't look at ordinary scientists
172
539725
4962
denn es werden nur Genies betrachtet und keine normalen Wissenschaftler,
09:04
and doesn't look at all of us and ask,
173
544711
1965
nicht alle einbezogen und gefragt,
09:06
is it really true that creativity vanishes as we age?
174
546700
3185
ist es wirklich wahr, dass Kreativität mit dem Alter abnimmt?
09:10
So that's exactly what we tried to do,
175
550382
1877
Das wollten wir versuchen
09:12
and this is important for that to actually have references.
176
552283
3803
und daher ist es wichtig, dafür Referenzen zu haben.
09:16
So let's look at an ordinary scientist like myself,
177
556110
2643
Betrachten wir einen normalen Wissenschaftler wie mich
09:18
and let's look at my career.
178
558777
1522
und schauen meine Karriere an.
09:20
So what you see here is all the papers that I've published
179
560323
3202
Hier sieht man alle Arbeiten, die ich veröffentlicht habe,
09:23
from my very first paper, in 1989; I was still in Romania when I did so,
180
563549
5115
von der Allerersten 1989, als ich noch in Rumänien war,
09:28
till kind of this year.
181
568688
1593
bis ungefähr dieses Jahr.
09:30
And vertically, you see the impact of the paper,
182
570940
2518
In der Vertikalen sieht man den Einfluss der Arbeit,
09:33
that is, how many citations,
183
573482
1403
also Anzahl der Zitierungen,
09:34
how many other papers have been written that cited that work.
184
574909
3988
wie viele andere Arbeiten wurden verfasst und zitierten dieses Werk.
09:39
And when you look at that,
185
579397
1300
Man sieht also,
09:40
you see that my career has roughly three different stages.
186
580721
2813
meine Karriere hat drei verschiedene Phasen.
09:43
I had the first 10 years where I had to work a lot
187
583558
2435
Die ersten 10 Jahre musste ich sehr viel arbeiten
09:46
and I don't achieve much.
188
586017
1276
und erreichte nicht viel.
09:47
No one seems to care about what I do, right?
189
587317
2118
Niemand interessiert sich für mein Tun.
09:49
There's hardly any impact.
190
589459
1681
Es hat fast keine Auswirkungen.
09:51
(Laughter)
191
591164
1404
(Gelächter)
09:52
That time, I was doing material science,
192
592592
2887
Damals arbeitete ich an Materialwissenschaft
09:55
and then I kind of discovered for myself networks
193
595503
3691
und dann entdeckte ich Netzwerke für mich
09:59
and then started publishing in networks.
194
599218
1947
und begann, darüber zu veröffentlichen.
10:01
And that led from one high-impact paper to the other one.
195
601189
3073
Das führte zu vielen einflussreichen Arbeiten.
10:04
And it really felt good. That was that stage of my career.
196
604286
3104
Es fühlte sich richtig gut an. Das war eine Phase der Karriere.
10:07
(Laughter)
197
607414
1282
(Gelächter)
10:08
So the question is, what happens right now?
198
608720
3208
Die Frage lautet, was passiert jetzt gerade?
10:12
And we don't know, because there hasn't been enough time passed yet
199
612587
3239
Wir wissen es nicht, da noch nicht genug Zeit vergangen ist,
10:15
to actually figure out how much impact those papers will get;
200
615850
2987
um die Auswirkungen der Arbeiten herauszufinden.
10:18
it takes time to acquire.
201
618861
1227
Die Erarbeitung dauert.
10:20
Well, when you look at the data,
202
620112
1569
Angesichts der Daten scheint es,
10:21
it seems to be that Einstein, the genius research, is right,
203
621705
2854
dass Einstein, die Genieforschung, Recht hat
10:24
and I'm at that stage of my career.
204
624583
1811
und meine Karriere hier steht.
10:26
(Laughter)
205
626418
2308
(Gelächter)
10:28
So we said, OK, let's figure out how does this really happen,
206
628750
5974
Wir sagten ok, lasst uns herausfinden, wie das wirklich geht,
10:34
first in science.
207
634748
1778
zunächst in der Wissenschaft.
10:36
And in order not to have the selection bias,
208
636550
3632
Ohne die Stichprobenverzerrung
10:40
to look only at geniuses,
209
640206
1337
und nur Genies anzusehen,
10:41
we ended up reconstructing the career of every single scientist
210
641567
3716
rekonstruierten wir die Karriere jedes einzelnen Wissenschaftlers
10:45
from 1900 till today
211
645307
2502
von 1900 bis heute
10:47
and finding for all scientists what was their personal best,
212
647833
3712
und fanden heraus, wann sie ihren Höhepunkt hatten,
10:51
whether they got the Nobel Prize or they never did,
213
651569
2812
ob es der Nobelpreis war oder nicht
10:54
or no one knows what they did, even their personal best.
214
654405
3407
oder niemand weiß, was sie taten, nicht einmal zu ihren besten Zeiten.
10:57
And that's what you see in this slide.
215
657836
1915
Das kann man auf dieser Folie sehen.
10:59
Each line is a career,
216
659775
1573
Jede Linie ist eine Karriere.
11:01
and when you have a light blue dot on the top of that career,
217
661372
3003
Ein blauer Punkt oben auf der Karriere
11:04
it says that was their personal best.
218
664399
2040
markiert den persönlichen Höhepunkt.
11:06
And the question is,
219
666463
1155
Die Frage ist,
11:07
when did they actually make their biggest discovery?
220
667642
3568
wann machten sie ihre größte Entdeckung?
11:11
To quantify that,
221
671234
1165
Das wird anhand der Wahrscheinlichkeit gemessen, die größte Entdeckung
11:12
we look at what's the probability that you make your biggest discovery,
222
672423
3376
11:15
let's say, one, two, three or 10 years into your career?
223
675823
2672
nach einem, zwei, drei oder 10 Jahren der Karriere zu machen.
11:18
We're not looking at real age.
224
678519
1480
Es geht nicht um reales Alter.
11:20
We're looking at what we call "academic age."
225
680023
2134
Wir betrachten das "akademische Alter".
11:22
Your academic age starts when you publish your first papers.
226
682181
3250
Akademisches Alter beginnt mit der ersten Veröffentlichung.
11:25
I know some of you are still babies.
227
685455
1779
Einige von Ihnen sind noch Babys.
11:27
(Laughter)
228
687258
1397
(Gelächter)
11:28
So let's look at the probability
229
688679
2706
Betrachten wir die Wahrscheinlichkeit,
11:31
that you publish your highest-impact paper.
230
691409
2066
die wichtigste Arbeit zu veröffentlichen.
11:33
And what you see is, indeed, the genius research is right.
231
693499
3071
Man sieht, die Genieforschung hat recht.
11:36
Most scientists tend to publish their highest-impact paper
232
696594
3024
Viele Wissenschaftler publizieren die einflussreichste Arbeit
11:39
in the first 10, 15 years in their career,
233
699642
2899
in den ersten 10, 15 Jahren ihrer Karriere
11:42
and it tanks after that.
234
702565
3133
und danach geht es abwärts.
11:45
It tanks so fast that I'm about -- I'm exactly 30 years into my career,
235
705722
5107
So schnell abwärts, dass nach 30 Jahren Karriere
11:50
and the chance that I will publish a paper that would have a higher impact
236
710853
3540
meine Chance, eine wichtigere Arbeit als je zuvor zu veröffentlichen,
11:54
than anything that I did before
237
714417
1940
11:56
is less than one percent.
238
716381
1353
weniger als 1 Prozent ist.
11:57
I am in that stage of my career, according to this data.
239
717758
3049
Meine Karriere ist an dem Punkt, laut dieser Daten.
12:01
But there's a problem with that.
240
721648
1843
Es gibt da ein Problem.
12:03
We're not doing controls properly.
241
723515
3675
Wir machen keine richtigen Kontrollen.
12:07
So the control would be,
242
727214
1417
Die Kontrolle wäre,
12:08
what would a scientist look like who makes random contribution to science?
243
728655
4607
wie würde ein Wissenschaftler aussehen, der zufällige Beiträge bringt?
12:13
Or what is the productivity of the scientist?
244
733286
2995
Was ist seine Leistungsfähigkeit?
12:16
When do they write papers?
245
736305
2006
Wann schreiben sie Arbeiten?
12:18
So we measured the productivity,
246
738335
2444
Wir haben die Produktivität gemessen
12:20
and amazingly, the productivity,
247
740803
2052
und erstaunlicherweise ist Produktivität,
12:22
your likelihood of writing a paper in year one, 10 or 20 in your career,
248
742879
4131
die Wahrscheinlichkeit, eine Arbeit nach 1, 10 oder 20 Jahren zu schreiben,
12:27
is indistinguishable from the likelihood of having the impact
249
747034
3606
nicht unterscheidbar von der Wahrscheinlichkeit,
in dieser Phase der Karriere Einfluss zu haben.
12:30
in that part of your career.
250
750664
1775
12:33
And to make a long story short,
251
753026
1783
Lange Rede kurzer Sinn,
12:34
after lots of statistical tests, there's only one explanation for that,
252
754833
4228
nach vielen statistischen Tests, gibt es nur eine Erklärung dafür;
12:39
that really, the way we scientists work
253
759085
2894
die Art wie wir Wissenschaftler arbeiten,
12:42
is that every single paper we write, every project we do,
254
762003
3633
bedeutet, dass jede Arbeit, jedes Projekt
12:45
has exactly the same chance of being our personal best.
255
765660
4160
die gleichen Chancen hat, ein persönlicher Höhepunkt zu werden.
12:49
That is, discovery is like a lottery ticket.
256
769844
4953
Sprich, Entdeckung ist wie ein Lottoschein.
12:54
And the more lottery tickets we buy,
257
774821
2351
Je mehr Lottoscheine wir kaufen,
12:57
the higher our chances.
258
777196
1507
desto höher unsere Chancen.
12:58
And it happens to be so
259
778727
1559
Und es scheint,
13:00
that most scientists buy most of their lottery tickets
260
780310
2719
dass die meisten Wissenschaftler die meisten Tickets
13:03
in the first 10, 15 years of their career,
261
783053
2460
in den ersten 10, 15 Jahren ihrer Karriere kaufen
13:05
and after that, their productivity decreases.
262
785537
3413
und danach nimmt ihre Produktivität ab.
13:09
They're not buying any more lottery tickets.
263
789411
2084
Sie kaufen keine Lottoscheine mehr.
13:11
So it looks as if they would not be creative.
264
791519
3444
Sie erscheinen also unkreativ.
13:14
In reality, they stopped trying.
265
794987
1999
Tatsächlich hören sie auf sich zu bemühen.
13:17
So when we actually put the data together, the conclusion is very simple:
266
797509
3915
Wenn wir also die Daten zusammenfügen, ist das Fazit sehr einfach:
13:21
success can come at any time.
267
801448
2331
Erfolg kann jederzeit stattfinden.
13:23
It could be your very first or very last paper of your career.
268
803803
3735
Es könnte die erste oder letzte Arbeit Ihrer Karriere sein.
13:27
It's totally random in the space of the projects.
269
807562
4288
Es ist völliger Zufall im Rahmen der Projekte.
13:31
It is the productivity that changes.
270
811874
1931
Die Produktivität verändert sich.
13:33
Let me illustrate that.
271
813829
1252
Ich erläutere das.
13:35
Here is Frank Wilczek, who got the Nobel Prize in Physics
272
815105
3269
Frank Wilczek bekam den Physik Nobelpreis
13:38
for the very first paper he ever wrote in his career as a graduate student.
273
818398
4101
für die allererste Arbeit in seiner Karriere nach dem Studium.
13:42
(Laughter)
274
822523
1007
(Gelächter)
13:43
More interesting is John Fenn,
275
823554
3218
Noch interessanter ist John Fenn,
13:46
who, at age 70, was forcefully retired by Yale University.
276
826796
4598
der mit 70 von der Yale University zwangspensioniert wurde.
13:51
They shut his lab down,
277
831418
2056
Sein Labor wurde geschlossen
13:53
and at that moment, he moved to Virginia Commonwealth University,
278
833498
3666
und er wechselte zur Virginia Commonwealth University,
13:57
opened another lab,
279
837188
1786
öffnete ein neues Labor,
13:58
and it is there, at age 72, that he published a paper
280
838998
3033
wo er mit 72 eine Arbeit veröffentlichte,
14:02
for which, 15 years later, he got the Nobel Prize for Chemistry.
281
842055
3845
für die er 15 Jahre später den Nobelpreis für Chemie bekam.
14:06
And you think, OK, well, science is special,
282
846940
3042
Sie denken jetzt, Ok, die Wissenschaft ist speziell,
14:10
but what about other areas where we need to be creative?
283
850006
3463
doch was ist mit anderen Gebieten, die Kreativität benötigen?
14:13
So let me take another typical example: entrepreneurship.
284
853493
4936
Ein weiteres, typisches Beispiel ist Unternehmertum.
14:18
Silicon Valley,
285
858834
1579
Silicon Valley,
14:20
the land of the youth, right?
286
860437
2066
das Land junger Menschen, richtig?
14:22
And indeed, when you look at it,
287
862527
1595
Wenn man wirklich hinschaut,
14:24
you realize that the biggest awards, the TechCrunch Awards and other awards,
288
864146
4642
sieht man, die größten Auszeichnungen, TechCrunch Awards und andere,
14:28
are all going to people
289
868812
2173
gehen alle an Leute,
14:31
whose average age is late 20s, very early 30s.
290
871009
5015
deren Durchschnittsalter späte 20er, frühe 30er ist.
14:36
You look at who the VCs give the money to, some of the biggest VC firms --
291
876465
5602
Die Wagniskapitalfirmen geben das Geld
14:42
all people in their early 30s.
292
882091
2241
Leuten Anfang 30.
14:44
Which, of course, we know;
293
884951
1265
Aber das wussten wir schon;
14:46
there is this ethos in Silicon Valley that youth equals success.
294
886240
4453
in Silicon Valley herrscht der Ethos "Jugend ist gleich Erfolg" .
14:51
Not when you look at the data,
295
891653
2183
Nicht wenn man die Daten betrachtet.
14:53
because it's not only about forming a company --
296
893860
2304
Es ist nicht nur die Gründung eines Unternehmens --
14:56
forming a company is like productivity, trying, trying, trying --
297
896188
3140
Unternehmensgründung ist wie Produktivität, viele Versuche --
14:59
when you look at which of these individuals actually put out
298
899352
3484
wenn man sieht, wer wirklich ein erfolgreiches Unternehmen gründet,
15:02
a successful company, a successful exit.
299
902860
2782
einen erfolgreichen Exit schafft.
15:05
And recently, some of our colleagues looked at exactly that question.
300
905666
3720
Kürzlich nahmen sich Kollegen dieser Frage an.
15:09
And it turns out that yes, those in the 20s and 30s
301
909410
3156
Es zeigt sich, dass viele Anfang 20 und 30
15:12
put out a huge number of companies, form lots of companies,
302
912590
3348
eine große Anzahl an Unternehmen rausbringen und gründen,
15:15
but most of them go bust.
303
915962
1531
doch die meisten gehen Pleite.
15:18
And when you look at the successful exits, what you see in this particular plot,
304
918089
4195
Wenn man die erfolgreichen Exits ansieht,
erkennt man hier,
15:22
the older you are, the more likely that you will actually hit the stock market
305
922308
3695
je älter, desto größer die Chancen auf den Aktienmarkt
15:26
or the sell the company successfully.
306
926027
2312
oder das Unternehmen erfolgreich zu verkaufen.
15:28
This is so strong, actually, that if you are in the 50s,
307
928847
3113
Das ist so ausgeprägt, dass man in seinen 50ern
15:31
you are twice as likely to actually have a successful exit
308
931984
3588
zweimal mehr Chancen auf einen erfolgreichen Exit hat
15:35
than if you are in your 30s.
309
935596
1890
als in seinen 30ern.
15:38
(Applause)
310
938613
4325
(Applaus)
15:43
So in the end, what is it that we see, actually?
311
943645
3009
Was erkennen wir hieraus schließlich?
15:46
What we see is that creativity has no age.
312
946678
4083
Wir sehen, Kreativität hat kein Alter.
15:50
Productivity does, right?
313
950785
2202
Leistungsfähigkeit schon, richtig?
15:53
Which is telling me that at the end of the day,
314
953424
4135
Das sagt mir, am Ende des Tages,
15:57
if you keep trying --
315
957583
2000
wenn man es weiter versucht --
15:59
(Laughter)
316
959607
2403
(Gelächter)
16:02
you could still succeed and succeed over and over.
317
962034
3572
kann man wieder und wieder Erfolg haben.
16:05
So my conclusion is very simple:
318
965630
2391
Mein Fazit ist sehr simpel:
16:08
I am off the stage, back in my lab.
319
968045
2093
Ich gehe von der Bühne zurück in mein Labor.
16:10
Thank you.
320
970162
1171
Danke.
16:11
(Applause)
321
971357
3309
(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