ABOUT THE SPEAKER
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.

Why you should listen

Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably IrrationalThe Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.

Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.

More profile about the speaker
Dan Ariely | Speaker | TED.com
TED2009

Dan Ariely: Our buggy moral code

Dan Ariely über unseren fehlerhaften moralischen Code

Filmed:
3,509,395 views

Verhaltensökonom Dan Ariely spricht über die Fehler in unserem moralischen Code, die versteckten Gründe wieso wir glauben daß es (manchmal) OK ist, zu stehlen oder zu betrügen. Raffinierte Studien unterstreichen sein Argument dass wir vorhersagbar irrational sind - und auf Arten beeinflusst werden können die wir nicht begreifen.
- Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio

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

00:16
I want to talk to you todayheute a little bitBit
0
1000
2000
Ich würde heute gerne ein wenig über
00:18
about predictablevorhersagbar irrationalityIrrationalität.
1
3000
3000
vorhersehbare Irrationalität sprechen.
00:21
And my interestinteressieren in irrationalirrational behaviorVerhalten
2
6000
4000
Mein Interesse an irrationalem Verhalten
00:25
startedhat angefangen manyviele yearsJahre agovor in the hospitalKrankenhaus.
3
10000
3000
begann vor vielen Jahren im Krankenhaus.
00:28
I was burnedverbrannt very badlyschlecht.
4
13000
4000
Ich hatte damals schwere Verbrennungen,
00:32
And if you spendverbringen a lot of time in hospitalKrankenhaus,
5
17000
3000
und wenn man lange Zeit im Krankenhaus ist,
00:35
you'lldu wirst see a lot of typesTypen of irrationalitiesIrrationalität.
6
20000
3000
begegnet man vielen Arten von Irrationalität.
00:38
And the one that particularlyinsbesondere botheredgestört me in the burnbrennen departmentAbteilung
7
23000
5000
Was mich auf der Verbrennungsstation immer am meisten gestört hat
00:43
was the processverarbeiten by whichwelche the nursesKrankenschwestern tookdauerte the bandageBandage off me.
8
28000
4000
war, wie die Krankenschwestern meine Verbände gewechselt haben.
00:48
Now, you mustsollen have all takengenommen a Band-AidBand-Aid off at some pointPunkt,
9
33000
2000
Jeder von Ihnen hat schon mal ein Heftpflaster abgenommen
00:50
and you mustsollen have wonderedwunderte sich what's the right approachAnsatz.
10
35000
3000
und sich dabei irgendwann gefragt, was wohl besser sei:
00:53
Do you ripRuhe in Frieden it off quicklyschnell -- shortkurz durationDauer but highhoch intensityIntensität --
11
38000
4000
Soll man es schnell abreißen -- Der Schmerz ist dann nur kurz aber dafür sehr intensiv --
00:57
or do you take your Band-AidBand-Aid off slowlylangsam --
12
42000
2000
oder es stattdessen langsam abziehen --
00:59
you take a long time, but eachjede einzelne secondzweite is not as painfulschmerzlich --
13
44000
4000
was zwar länger dauert, aber jeden einzelnen Moment erträglicher macht.
01:03
whichwelche one of those is the right approachAnsatz?
14
48000
3000
Welches ist der richtige Ansatz?
01:06
The nursesKrankenschwestern in my departmentAbteilung thought that the right approachAnsatz
15
51000
4000
Die Schwestern auf meiner Station dachten, der richtige Ansatz
01:10
was the rippingrippen one, so they would grabgreifen holdhalt and they would ripRuhe in Frieden,
16
55000
3000
wäre das Abreißen, also haben sie festgehalten und abgerissen,
01:13
and they would grabgreifen holdhalt and they would ripRuhe in Frieden.
17
58000
2000
und festgehalten und abgerissen.
01:15
And because I had 70 percentProzent of my bodyKörper burnedverbrannt, it would take about an hourStunde.
18
60000
4000
Und weil ich Verbrennungen an 70% meines Körpers hatte, dauerte das Ganze etwa eine Stunde.
01:19
And as you can imaginevorstellen,
19
64000
3000
Wie Sie sich vorstellen können,
01:22
I hatedgehasst that momentMoment of rippingrippen with incredibleunglaublich intensityIntensität.
20
67000
4000
habe ich den Moment des Abreißens unglaublich gehasst.
01:26
And I would try to reasonGrund with them and say,
21
71000
2000
Ich habe versucht mit den Schwestern zu reden, ich fragte sie:
01:28
"Why don't we try something elsesonst?
22
73000
1000
"Warum versuchen wir nicht mal was anderes?
01:29
Why don't we take it a little longerlänger --
23
74000
2000
Warum lassen wir uns nicht ein wenig mehr Zeit --
01:31
maybe two hoursStd. insteadstattdessen of an hourStunde -- and have lessWeniger of this intensityIntensität?"
24
76000
5000
sagen wir zwei Stunden statt einer -- damit der Schmerz nicht so intensiv ist?"
01:36
And the nursesKrankenschwestern told me two things.
25
81000
2000
Darauf sagten die Schwestern mir zwei Dinge.
01:38
They told me that they had the right modelModell- of the patientgeduldig --
26
83000
4000
Sie sagten mir erstens, sie hätten das richtige Modell vom Patienten --
01:42
that they knewwusste what was the right thing to do to minimizeminimieren my painSchmerz --
27
87000
3000
daß sie wüßten, was das Richtige sei um den Schmerz gering zu halten --
01:45
and they alsoebenfalls told me that the wordWort patientgeduldig doesn't mean
28
90000
3000
Und dann sagten sie mir, die Bedeutung des Wortes "Patient"
01:48
to make suggestionsAnregungen or to interfereeinmischen or ...
29
93000
2000
habe nichts damit zu tun, Ratschläge zu geben, oder sich einzumischen, oder...
01:50
This is not just in HebrewHebräisch, by the way.
30
95000
3000
Das ist übrigens nicht nur im Hebräischen so,
01:53
It's in everyjeden languageSprache I've had experienceErfahrung with so farweit.
31
98000
3000
sondern in jeder Sprache, mit der ich bis jetzt zu tun hatte.
01:56
And, you know, there's not much -- there wasn'twar nicht much I could do,
32
101000
4000
Und, wissen Sie, es gibt nicht viel -- es gab nicht viel, was ich tun konnte,
02:00
and they keptgehalten on doing what they were doing.
33
105000
3000
also machten sie weiter mit dem was sie machten.
02:03
And about threedrei yearsJahre laterspäter, when I left the hospitalKrankenhaus,
34
108000
2000
Als ich dann etwa drei Jahre später aus dem Krankenhaus entlassen wurde,
02:05
I startedhat angefangen studyingstudieren at the universityUniversität.
35
110000
3000
habe ich angefangen, an der Universität zu studieren
02:08
And one of the mostdie meisten interestinginteressant lessonsUnterricht I learnedgelernt
36
113000
3000
und eins der interessantesten Dinge, die ich dort gelernt habe
02:11
was that there is an experimentalExperimental- methodMethode
37
116000
2000
war, daß es eine wissenschaftliche Methode gibt
02:13
that if you have a questionFrage you can createerstellen a replicaReplikat of this questionFrage
38
118000
4000
in der man eine Frage die man hat auf abstrakte Weise
02:17
in some abstractabstrakt way, and you can try to examineprüfen this questionFrage,
39
122000
4000
neu stellt und durch die Untersuchung dieser neuen Frage
02:21
maybe learnlernen something about the worldWelt.
40
126000
2000
vielleicht etwas über die Welt erfahren kann.
02:23
So that's what I did.
41
128000
2000
Genau das habe ich also getan.
02:25
I was still interestedinteressiert
42
130000
1000
Mich interessierte nämlich noch immer die Frage,
02:26
in this questionFrage of how do you take bandagesBandagen off burnbrennen patientsPatienten.
43
131000
2000
wie man Verbrennungspatienten am besten die Verbände abnimmt.
02:28
So originallyursprünglich I didn't have much moneyGeld,
44
133000
3000
Am Anfang hatte ich nicht viel Geld,
02:31
so I wentging to a hardwareHardware- storeGeschäft and I boughtgekauft a carpenter'sCarpenters viceLaster.
45
136000
4000
also ging ich in einen Werkzeugladen und kaufte mir einen Schraubstock.
02:35
And I would bringbringen people to the labLabor and I would put theirihr fingerFinger in it,
46
140000
4000
Dann habe ich Leute in mein Labor gebracht, ihre Finger eingespannt
02:39
and I would crunchknirschen it a little bitBit.
47
144000
2000
und ihn ein bißchen gequetscht.
02:41
(LaughterLachen)
48
146000
2000
(Gelächter)
02:43
And I would crunchknirschen it for long periodsZeiträume and shortkurz periodsZeiträume,
49
148000
3000
Ich habe manchmal länger gequetscht und manchmal kürzer,
02:46
and painSchmerz that wentging up and painSchmerz that wentging down,
50
151000
2000
manchmal mit ansteigendem Schmerz, manchmal mit absteigendem,
02:48
and with breaksgeht kaputt and withoutohne breaksgeht kaputt -- all kindsArten of versionsVersionen of painSchmerz.
51
153000
4000
mal mit Pause, mal ohne Pause - jede Art und Weise von Schmerz.
02:52
And when I finishedfertig hurtingverletzen people a little bitBit, I would askFragen them,
52
157000
2000
Wenn ich dann damit fertig war die Leute zu quälen, habe ich sie gefragt:
02:54
so, how painfulschmerzlich was this? Or, how painfulschmerzlich was this?
53
159000
2000
"Wie schmerzhaft war das? Oder das?"
02:56
Or, if you had to choosewählen betweenzwischen the last two,
54
161000
2000
Oder, "Wenn sie sich zwischen den letzten beiden entscheiden müßten,
02:58
whichwelche one would you choosewählen?
55
163000
2000
Welchen Schmerz würden Sie wählen?"
03:00
(LaughterLachen)
56
165000
3000
(Gelächter)
03:03
I keptgehalten on doing this for a while.
57
168000
3000
Das habe ich eine Zeit lang so betrieben.
03:06
(LaughterLachen)
58
171000
2000
(Gelächter)
03:08
And then, like all good academicakademisch projectsProjekte, I got more fundingFinanzierung.
59
173000
4000
Und dann bekam ich, wie jedes gute akademische Projekt, mehr Geld zugesprochen.
03:12
I movedbewegt to soundsGeräusche, electricalelektrisch shocksSchocks --
60
177000
2000
Ich beschäftigte mich mit Geräuschen, Elektroschocks --
03:14
I even had a painSchmerz suitAnzug that I could get people to feel much more painSchmerz.
61
179000
5000
Ich hatte sogar einen Schmerzanzug, mit dem ich sehr starke Schmerzen verursachen konnte.
03:19
But at the endEnde of this processverarbeiten,
62
184000
4000
Am Ende dieses Prozesses hat sich dann herausgestellt,
03:23
what I learnedgelernt was that the nursesKrankenschwestern were wrongfalsch.
63
188000
3000
daß die Krankenschwestern unrecht hatten.
03:26
Here were wonderfulwunderbar people with good intentionsAbsichten
64
191000
3000
Sicherlich waren sie wundervolle Menschen mit guten Absichten
03:29
and plentyviel of experienceErfahrung, and neverthelesstrotz dessen
65
194000
2000
und großer Erfahrung, aber trotzdem haben sie
03:31
they were gettingbekommen things wrongfalsch predictablyvorhersagbar all the time.
66
196000
4000
ständig und vorhersehbar die selben Fehler wiederholt.
03:35
It turnswendet sich out that because we don't encodeCodieren durationDauer
67
200000
3000
Wie sich herausstellt, nehmen wir nämlich die Länge des Schmerzes
03:38
in the way that we encodeCodieren intensityIntensität,
68
203000
2000
und seine Intensität unterschiedlich wahr, weswegen
03:40
I would have had lessWeniger painSchmerz if the durationDauer would have been longerlänger
69
205000
4000
ich weniger Schmerzen gehabt hätte, wenn es zwar länger wehgetan hätte
03:44
and the intensityIntensität was lowerniedriger.
70
209000
2000
aber dafür nicht so sehr.
03:46
It turnswendet sich out it would have been better to startAnfang with my faceGesicht,
71
211000
3000
Es wäre auch besser gewesen, mit meinem Gesicht anzufangen,
03:49
whichwelche was much more painfulschmerzlich, and moveBewegung towardzu my legsBeine,
72
214000
2000
weil es da sehr weh getan hat, und sich zu meinen Beinen vorzuarbeiten
03:51
givinggeben me a trendTrend of improvementVerbesserung over time --
73
216000
3000
damit der Schmerz im Laufe der Zeit geringer wird --
03:54
that would have been alsoebenfalls lessWeniger painfulschmerzlich.
74
219000
1000
auch das wäre weniger schmerzhaft gewesen.
03:55
And it alsoebenfalls turnswendet sich out that it would have been good
75
220000
2000
Wir haben auch herausgefunden daß es gut gewesen wäre,
03:57
to give me breaksgeht kaputt in the middleMitte to kindArt of recuperateerholen Sie sich from the painSchmerz.
76
222000
2000
hätte man mir zwischendurch Pausen gegeben um mich vom Schmerz zu erholen.
03:59
All of these would have been great things to do,
77
224000
2000
Alles tolle Sachen, die man mit mir hätte machen können,
04:01
and my nursesKrankenschwestern had no ideaIdee.
78
226000
3000
aber meine Pfleger hatten keine Ahnung.
04:04
And from that pointPunkt on I startedhat angefangen thinkingDenken,
79
229000
1000
Und dieser Punkt gab mir zu denken:
04:05
are the nursesKrankenschwestern the only people in the worldWelt who get things wrongfalsch
80
230000
3000
Sind Krankenschwestern die einzigen auf der Welt, die sich in diesem Punkt
04:08
in this particularinsbesondere decisionEntscheidung, or is it a more generalGeneral caseFall?
81
233000
3000
täuschen, oder ist die Fehleinschätzung weiter verbreitet?
04:11
And it turnswendet sich out it's a more generalGeneral caseFall --
82
236000
2000
Wie sich herausstellt, ist sie weiter verbreitet --
04:13
there's a lot of mistakesFehler we do.
83
238000
3000
Wir machen viele Fehler.
04:16
And I want to give you one exampleBeispiel of one of these irrationalitiesIrrationalität,
84
241000
5000
Ich möchte Ihnen ein Beispiel für solcherlei Irrationalität geben
04:21
and I want to talk to you about cheatingbetrügen.
85
246000
3000
und mit Ihnen über Betrug reden.
04:24
And the reasonGrund I pickedabgeholt cheatingbetrügen is because it's interestinginteressant,
86
249000
2000
Ich beschäftige mich mit dem Betrügen weil es interessant ist,
04:26
but alsoebenfalls it tellserzählt us something, I think,
87
251000
2000
uns aber auch, wie ich meine, etwas
04:28
about the stockStock marketMarkt situationLage we're in.
88
253000
3000
über die gegenwärtige Börsenlage erzählen kann.
04:31
So, my interestinteressieren in cheatingbetrügen startedhat angefangen
89
256000
3000
Mein Interesse am Betrügen begann
04:34
when EnronEnron camekam on the sceneSzene, explodedexplodierte all of a suddenplötzlich,
90
259000
2000
als Enron die Bühne betrat und plötzlich explodierte
04:36
and I startedhat angefangen thinkingDenken about what is happeningHappening here.
91
261000
3000
und ich mich zu fragen begann, was gerade passiert war.
04:39
Is it the caseFall that there was kindArt of
92
264000
1000
Gab es nur einige wenige
04:40
a fewwenige applesÄpfel who are capablefähig of doing these things,
93
265000
3000
schwarze Schafe die zu solchen Dingen fähig waren,
04:43
or are we talkingim Gespräch a more endemicendemisch situationLage,
94
268000
2000
oder war die Situation eher eine endemische?
04:45
that manyviele people are actuallytatsächlich capablefähig of behavingVerhalten this way?
95
270000
4000
Waren viele Menschen in der Lage, sich so zu verhalten?
04:49
So, like we usuallygewöhnlich do, I decidedbeschlossen to do a simpleeinfach experimentExperiment.
96
274000
4000
Also begann ich wie so oft mit einem einfachen Experiment.
04:53
And here'shier ist how it wentging.
97
278000
1000
Und das sah so aus.
04:54
If you were in the experimentExperiment, I would passbestehen you a sheetBlatt of paperPapier-
98
279000
3000
Wenn Sie in meinem Experiment waren, hätten Sie von mir ein Blatt Papier
04:57
with 20 simpleeinfach mathMathe problemsProbleme that everybodyjeder could solvelösen,
99
282000
4000
mit 20 einfachen Mathematikaufgaben bekommen, die jeder lösen kann --
05:01
but I wouldn'twürde nicht give you enoughgenug time.
100
286000
2000
aber ich hätte Ihnen nicht genug Zeit gegeben.
05:03
When the fivefünf minutesProtokoll were over, I would say,
101
288000
2000
Nach fünf Minuten hätte ich gesagt:
05:05
"PassPass me the sheetsBlätter of paperPapier-, and I'll payZahlen you a dollarDollar perpro questionFrage."
102
290000
3000
"Geben Sie mir ihre Blätter und ich zahle Ihnen einen Dollar pro gelöster Aufgabe."
05:08
People did this. I would payZahlen people fourvier dollarsDollar for theirihr taskAufgabe --
103
293000
4000
Die Probanden haben das akzeptiert, und ich habe ihnen vier Dollar dafür gezahlt --
05:12
on averagedurchschnittlich people would solvelösen fourvier problemsProbleme.
104
297000
2000
denn im Durchschnitt haben Sie vier Aufgaben lösen können.
05:14
Other people I would temptlocken to cheatbetrügen.
105
299000
3000
Andere habe ich zum Schummeln verleitet.
05:17
I would passbestehen theirihr sheetBlatt of paperPapier-.
106
302000
1000
Ich habe ihnen die Blätter ausgeteilt
05:18
When the fivefünf minutesProtokoll were over, I would say,
107
303000
2000
Und nach den fünf Minuten habe ich gesagt:
05:20
"Please shredShred the pieceStück of paperPapier-.
108
305000
1000
"Zerreissen sie Ihr Arbeitsblatt,
05:21
Put the little piecesStücke in your pocketTasche or in your backpackRucksack,
109
306000
3000
stecken Sie die Schnipsel in Ihre Tasche
05:24
and tell me how manyviele questionsFragen you got correctlykorrekt."
110
309000
3000
und sagen Sie mir wie viele Fragen Sie richtig beantwortet haben."
05:27
People now solvedgelöst sevenSieben questionsFragen on averagedurchschnittlich.
111
312000
3000
Und siehe da, plötzlich hat der Durchschnitt sieben Fragen beantwortet.
05:30
Now, it wasn'twar nicht as if there was a fewwenige badschlecht applesÄpfel --
112
315000
5000
Es ist nicht so, als gäbe es wenige schwarze Schafe --
05:35
a fewwenige people cheatedbetrogen a lot.
113
320000
3000
als betrögen wenige Leute und diese dafür sehr viel.
05:38
InsteadStattdessen, what we saw is a lot of people who cheatbetrügen a little bitBit.
114
323000
3000
Wir sahen stattdessen daß viele Leute betrügen, jeder von ihnen aber nur ein bißchen.
05:41
Now, in economicWirtschaftlich theoryTheorie,
115
326000
3000
In der Wirtschaftstheorie
05:44
cheatingbetrügen is a very simpleeinfach cost-benefitKosten-Nutzen analysisAnalyse.
116
329000
3000
ist Betrug nur eine einfache Kosten-Nutzen-Rechnung.
05:47
You say, what's the probabilityWahrscheinlichkeit of beingSein caughterwischt?
117
332000
2000
Wie hoch ist die Wahrscheinlichkeit, erwischt zu werden?
05:49
How much do I standStand to gaingewinnen from cheatingbetrügen?
118
334000
3000
Wieviel wird es mir nützen, zu betrügen?
05:52
And how much punishmentBestrafung would I get if I get caughterwischt?
119
337000
2000
Und wie schlimm wäre die Strafe, falls ich erwischt würde?
05:54
And you weighwiegen these optionsOptionen out --
120
339000
2000
Man wägt diese Fragen gegeneinander ab --
05:56
you do the simpleeinfach cost-benefitKosten-Nutzen analysisAnalyse,
121
341000
2000
eben eine ganz einfache Kosten-Nutzen-Rechnung --
05:58
and you decideentscheiden whetherob it's worthwhilelohnend to commitverpflichten the crimeKriminalität or not.
122
343000
3000
und entscheidet dann, ob es sich lohnt, ein Verbrechen zu begehen oder nicht.
06:01
So, we try to testTest this.
123
346000
2000
Also versuchten wir das zu überprüfen.
06:03
For some people, we variedabwechslungsreicher how much moneyGeld they could get away with --
124
348000
4000
Bei manchen Testpersonen variierten wir, mit wieviel Geld sie davonkommen konnten --
06:07
how much moneyGeld they could stealstehlen.
125
352000
1000
Wieviel Geld sie stehlen durften.
06:08
We paidbezahlt them 10 centsCent perpro correctrichtig questionFrage, 50 centsCent,
126
353000
3000
Wir zahlten ihnen 10 cent pro richtiger Frage, 50 cent,
06:11
a dollarDollar, fivefünf dollarsDollar, 10 dollarsDollar perpro correctrichtig questionFrage.
127
356000
3000
einen Dollar, fünf Dollar, 10 Dollar pro richtiger Frage.
06:14
You would expecterwarten von that as the amountMenge of moneyGeld on the tableTabelle increaseserhöht sich,
128
359000
4000
Man könnte annehmen, daß, sobald die Summen höher wurden
06:18
people would cheatbetrügen more, but in factTatsache it wasn'twar nicht the caseFall.
129
363000
3000
auch mehr betrogen wurde - aber dem war nicht so.
06:21
We got a lot of people cheatingbetrügen by stealingstehlen by a little bitBit.
130
366000
3000
Die meisten Leute betrogen und stahlen nur ein wenig.
06:24
What about the probabilityWahrscheinlichkeit of beingSein caughterwischt?
131
369000
3000
Was ist mit der Wahrscheinlichkeit, erwischt zu werden?
06:27
Some people shreddedgeschreddert halfHälfte the sheetBlatt of paperPapier-,
132
372000
2000
Manche haben nur ihr halbes Arbeitsblatt zerrissen
06:29
so there was some evidenceBeweise left.
133
374000
1000
es waren also noch Beweise übrig.
06:30
Some people shreddedgeschreddert the wholeganze sheetBlatt of paperPapier-.
134
375000
2000
Andere haben ihr ganzes Arbeitsblatt zerrissen.
06:32
Some people shreddedgeschreddert everything, wentging out of the roomZimmer,
135
377000
3000
Andere haben alles zerrissen und gingen aus dem Zimmer
06:35
and paidbezahlt themselvessich from the bowlSchüssel of moneyGeld that had over 100 dollarsDollar.
136
380000
3000
um sich draußen aus einer Geldschale zu bedienen, in der mehr als 100 Dollar lagen.
06:38
You would expecterwarten von that as the probabilityWahrscheinlichkeit of beingSein caughterwischt goesgeht down,
137
383000
3000
Man könnte erwarten, daß Leute häufiger betrügen, sobald die Wahrscheinlichkeit
06:41
people would cheatbetrügen more, but again, this was not the caseFall.
138
386000
3000
erwischt zu werden, geringer wird - aber wieder war das nicht der Fall.
06:44
Again, a lot of people cheatedbetrogen by just by a little bitBit,
139
389000
3000
Wieder haben viele Leute nur ein klein wenig betrogen
06:47
and they were insensitiveunempfindlich to these economicWirtschaftlich incentivesAnreize.
140
392000
3000
ohne sich dabei um die ökonomischen Anreize zu kümmern.
06:50
So we said, "If people are not sensitiveempfindlich
141
395000
1000
Also fragten wir uns, wenn die Leute offenbar der
06:51
to the economicWirtschaftlich rationalrational theoryTheorie explanationsErklärungen, to these forcesKräfte,
142
396000
5000
rationalen Entscheidungstheorie und ihren Kräften nicht unterliegen,
06:56
what could be going on?"
143
401000
3000
was geht hier dann vor sich?
06:59
And we thought maybe what is happeningHappening is that there are two forcesKräfte.
144
404000
3000
Und wir kamen auf die Idee, daß es ja vielleicht zwei Kräfte gibt.
07:02
At one handHand, we all want to look at ourselvesuns selbst in the mirrorSpiegel
145
407000
2000
Einerseits wollen wir uns alle im Spiegel betrachten können
07:04
and feel good about ourselvesuns selbst, so we don't want to cheatbetrügen.
146
409000
3000
und uns dabei gut fühlen, also wollen wir nicht betrügen.
07:07
On the other handHand, we can cheatbetrügen a little bitBit,
147
412000
2000
Anderseits könnten wir ein klein wenig schummeln
07:09
and still feel good about ourselvesuns selbst.
148
414000
2000
und uns immer noch gut fühlen.
07:11
So, maybe what is happeningHappening is that
149
416000
1000
Vielleicht ist es ja so, daß es
07:12
there's a levelEbene of cheatingbetrügen we can't go over,
150
417000
2000
eine gewisse Schummelgrenze gibt die wir nicht übertreten wollen,
07:14
but we can still benefitVorteil from cheatingbetrügen at a lowniedrig degreeGrad,
151
419000
4000
während wir trotzdem gerne von kleinen Betrügereien profitieren
07:18
as long as it doesn't changeVeränderung our impressionsEindrücke about ourselvesuns selbst.
152
423000
3000
solange diese unser Selbstbild nicht verschlechtern.
07:21
We call this like a personalpersönlich fudgeFudge factorFaktor.
153
426000
3000
Wir nennen das den persönlichen Schummelfaktor.
07:25
Now, how would you testTest a personalpersönlich fudgeFudge factorFaktor?
154
430000
4000
Wie kann man so einen Schummelfaktor testen?
07:29
InitiallyZunächst we said, what can we do to shrinkschrumpfen the fudgeFudge factorFaktor?
155
434000
4000
Zuerst haben wir gesehen, wie man den Fuffziger-Faktor verkleinern kann.
07:33
So, we got people to the labLabor, and we said,
156
438000
2000
Wir haben uns Leute ins Labor geholt und ihnen gesagt,
07:35
"We have two tasksAufgaben for you todayheute."
157
440000
2000
wir hätten zwei Aufgaben für sie.
07:37
First, we askedaufgefordert halfHälfte the people
158
442000
1000
Zunächst haben wir die Hälfte der Probanden gebeten,
07:38
to recallerinnern eitherentweder 10 booksBücher they readlesen in highhoch schoolSchule,
159
443000
2000
10 Buchtitel aus ihrer Schulzeit aufzuzählen
07:40
or to recallerinnern The TenZehn CommandmentsGebote,
160
445000
3000
und die anderen, die Zehn Gebote zu rezitieren.
07:43
and then we temptedversucht them with cheatingbetrügen.
161
448000
2000
Dann haben wir sie in Versuchung geführt, zu schummeln.
07:45
TurnsDreht sich out the people who triedversucht to recallerinnern The TenZehn CommandmentsGebote --
162
450000
3000
Interessanterweise hat die Gruppe, die versucht hat die Zehn Gebote zu rezitieren --
07:48
and in our sampleSample nobodyniemand could recallerinnern all of The TenZehn CommandmentsGebote --
163
453000
2000
in unserem Versuch hat es übrigens niemand geschafft, sich an alle Zehn zu erinnern --
07:51
but those people who triedversucht to recallerinnern The TenZehn CommandmentsGebote,
164
456000
4000
aber die, die versucht haben die Zehn Gebote wiederzugeben,
07:55
givengegeben the opportunityGelegenheit to cheatbetrügen, did not cheatbetrügen at all.
165
460000
3000
haben, selbst wenn man ihnen die Chance gegeben hat zu betrügen, überhaupt nicht geschummelt.
07:58
It wasn'twar nicht that the more religiousreligiös people --
166
463000
2000
Es war nicht so, daß die religiöseren Personen --
08:00
the people who rememberedfiel ein more of the CommandmentsGebote -- cheatedbetrogen lessWeniger,
167
465000
1000
die, die mehr Gebote gewußt haben -- weniger betrogen hätten
08:01
and the lessWeniger religiousreligiös people --
168
466000
2000
und daß die weniger religiösen --
08:03
the people who couldn'tkonnte nicht remembermerken almostfast any CommandmentsGebote --
169
468000
1000
diejenigen, die sich an fast gar keine Gebote erinnern konnten --
08:04
cheatedbetrogen more.
170
469000
2000
mehr betrogen hätten.
08:06
The momentMoment people thought about tryingversuchen to recallerinnern The TenZehn CommandmentsGebote,
171
471000
4000
Es war so, daß alle Probanden, sobald sie sich an die Zehn Gebote erinnern sollten,
08:10
they stoppedgestoppt cheatingbetrügen.
172
475000
1000
einfach aufgehört haben zu betrügen.
08:11
In factTatsache, even when we gavegab self-declaredselbst erklärt atheistsAtheisten
173
476000
2000
Wir haben sogar einige bekennende Atheisten gebeten
08:13
the taskAufgabe of swearingVereidigung on the BibleBibel and we give them a chanceChance to cheatbetrügen,
174
478000
4000
auf die Bibel zu schwören und ihnen dabei die Möglichkeit gegeben zu schwindeln:
08:17
they don't cheatbetrügen at all.
175
482000
2000
sie taten es nicht.
08:21
Now, TenZehn CommandmentsGebote is something that is hardhart
176
486000
2000
Die Zehn Gebote sind allerdings nur schwierig
08:23
to bringbringen into the educationBildung systemSystem, so we said,
177
488000
2000
mit dem Bildungssystem vereinbar, also haben wir uns überlegt,
08:25
"Why don't we get people to signSchild the honorEhre codeCode?"
178
490000
2000
warum wir nicht von Leuten verlangen, einen Ehrenkodex zu unterschreiben.
08:27
So, we got people to signSchild,
179
492000
2000
Also baten wir sie, folgendes zu unterschreiben:
08:29
"I understandverstehen that this shortkurz surveyUmfrage fallsStürze underunter the MITMIT HonorEhren CodeCode."
180
494000
4000
"Ich bin mir im Klaren darüber, daß diese Untersuchung dem Ehrenkodex des MIT unterliegt."
08:33
Then they shreddedgeschreddert it. No cheatingbetrügen whatsoeverwas auch immer.
181
498000
3000
Danach durften sie den Zettel zerreißen. Niemand hat geschummelt.
08:36
And this is particularlyinsbesondere interestinginteressant,
182
501000
1000
Das ist vor allem deswegen interessant,
08:37
because MITMIT doesn't have an honorEhre codeCode.
183
502000
2000
weil das MIT überhaupt keinen Ehrenkodex hat.
08:39
(LaughterLachen)
184
504000
5000
(Gelächter)
08:44
So, all this was about decreasingabnehmend the fudgeFudge factorFaktor.
185
509000
4000
So haben wir versucht, den Schummelfaktor gering zu halten.
08:48
What about increasingsteigend the fudgeFudge factorFaktor?
186
513000
3000
Wie kann man ihn vergrößern?
08:51
The first experimentExperiment -- I walkedging around MITMIT
187
516000
2000
Für das erste Experiment bin ich durch das MIT gelaufen
08:53
and I distributedverteilt six-packsSixpacks of CokesCokes in the refrigeratorsKühlschränke --
188
518000
3000
und habe Sechserpacks Cola in den Kühlschränken verteilt --
08:56
these were commonverbreitet refrigeratorsKühlschränke for the undergradsundergrads.
189
521000
2000
das waren öffentliche Kühlschränke für die Studenten.
08:58
And I camekam back to measuremessen what we technicallytechnisch call
190
523000
3000
Später kam ich zurück um zu messen, was wir im Fachjargon
09:01
the half-lifetimeHälfte-Lebensdauer of CokeKoks -- how long does it last in the refrigeratorsKühlschränke?
191
526000
4000
die Halbwertszeit von Cola nennen - wie lange hält sie sich im Kühlschrank?
09:05
As you can expecterwarten von it doesn't last very long; people take it.
192
530000
3000
Wie Sie sich vorstellen können, hält sie nicht sehr lange - Leute nehmen sie sich.
09:08
In contrastKontrast, I tookdauerte a plateTeller with sixsechs one-dollarein-Dollar- billsRechnungen,
193
533000
4000
Zum Gegensatz dazu nahm ich einen Teller mit sechs Ein-Dollar-Scheinen
09:12
and I left those platesPlatten in the samegleich refrigeratorsKühlschränke.
194
537000
3000
und stellte solche Teller in die selben Kühlschränke.
09:15
No billRechnung ever disappearedverschwunden.
195
540000
1000
Kein einziger Geldschein ist jemals verschwunden.
09:16
Now, this is not a good socialSozial scienceWissenschaft experimentExperiment,
196
541000
3000
Das ist aber kein gutes sozialwissenschaftliches Experiment,
09:19
so to do it better I did the samegleich experimentExperiment
197
544000
3000
also haben wir das Experiment von zuvor verbessert
09:22
as I describedbeschrieben to you before.
198
547000
2000
und nochmals wiederholt:
09:24
A thirddritte of the people we passedbestanden the sheetBlatt, they gavegab it back to us.
199
549000
3000
Ein Drittel der Probanden denen wir die Zettel gegeben haben, gab ihn uns zurück
09:27
A thirddritte of the people we passedbestanden it to, they shreddedgeschreddert it,
200
552000
3000
Ein Drittel der Probanden hat ihren Zettel zerrissen,
09:30
they camekam to us and said,
201
555000
1000
sind zu uns gekommen und haben gesagt,
09:31
"MrHerr. ExperimenterExperimentator, I solvedgelöst X problemsProbleme. Give me X dollarsDollar."
202
556000
3000
"Herr Versuchsleiter, ich habe X Fragen beantwortet, geben Sie mir X Dollar."
09:34
A thirddritte of the people, when they finishedfertig shreddingSchreddern the pieceStück of paperPapier-,
203
559000
3000
Und ein Drittel kam nach dem zerreissen ihres Blattes zu uns
09:37
they camekam to us and said,
204
562000
2000
und hat gesagt,
09:39
"MrHerr ExperimenterExperimentator, I solvedgelöst X problemsProbleme. Give me X tokensToken."
205
564000
6000
"Herr Versuchsleiter, ich habe X Fragen beantwortet, geben sie mir X Marken."
09:45
We did not payZahlen them with dollarsDollar; we paidbezahlt them with something elsesonst.
206
570000
3000
Wir haben Ihnen kein Geld gegeben, sondern Marken,
09:48
And then they tookdauerte the something elsesonst, they walkedging 12 feetFüße to the sideSeite,
207
573000
3000
und dann mußten sie diese Marken nehmen und ein paar Meter weiter gehen
09:51
and exchangedausgetauscht it for dollarsDollar.
208
576000
2000
wo sie sie in echte Dollars eintauschen konnten.
09:53
Think about the followinges folgen intuitionIntuition.
209
578000
2000
Denken Sie einmal über das Folgende nach:
09:55
How badschlecht would you feel about takingunter a pencilBleistift from work home,
210
580000
3000
Wie schlecht fühlen Sie sich, wenn sie einen Stift von Ihrer Arbeit mit nach Hause nehmen
09:58
comparedverglichen to how badschlecht would you feel
211
583000
2000
und wie schlecht
10:00
about takingunter 10 centsCent from a pettykleinlich cashKasse boxBox?
212
585000
2000
wenn sie 10 cent aus einer Kleingelddose stehlen?
10:02
These things feel very differentlyanders.
213
587000
3000
Diese Dinge fühlen sich sehr unterschiedlich an.
10:05
Would beingSein a stepSchritt removedentfernt from cashKasse for a fewwenige secondsSekunden
214
590000
3000
Wenn man also für ein paar Sekunden nicht direkt an Geld denkt
10:08
by beingSein paidbezahlt by tokenToken make a differenceUnterschied?
215
593000
3000
weil man eine Marke bekommt, macht das einen Unterschied?
10:11
Our subjectsFächer doubledverdoppelt theirihr cheatingbetrügen.
216
596000
2000
Unsere Testpersonen haben doppelt so viel betrogen.
10:13
I'll tell you what I think
217
598000
2000
Ich werde Ihnen gleich erzählen
10:15
about this and the stockStock marketMarkt in a minuteMinute.
218
600000
2000
was ich darüber und über die Börse denke.
10:18
But this did not solvelösen the biggroß problemProblem I had with EnronEnron yetnoch,
219
603000
4000
Aber das hat das größte Problem noch nicht gelöst, das ich in Enron sah,
10:22
because in EnronEnron, there's alsoebenfalls a socialSozial elementElement.
220
607000
3000
da Enron nämlich ein zusätzliches soziales Element besaß:
10:25
People see eachjede einzelne other behavingVerhalten.
221
610000
1000
Denn Leute können ihr Verhalten gegenseitig beobachten.
10:26
In factTatsache, everyjeden day when we openöffnen the newsNachrichten
222
611000
2000
Es ist doch so, daß wir jeden Tag wenn wir die Zeitung öffnen
10:28
we see examplesBeispiele of people cheatingbetrügen.
223
613000
2000
Menschen sehen, die betrügen.
10:30
What does this causeUrsache us?
224
615000
3000
Was bedeutet das für uns?
10:33
So, we did anotherein anderer experimentExperiment.
225
618000
1000
Wir dachten uns also ein neues Experiment aus.
10:34
We got a biggroß groupGruppe of studentsStudenten to be in the experimentExperiment,
226
619000
3000
Wir haben jede Menge Studenten rekrutiert, an dem Experiment teilzunehmen
10:37
and we prepaidPrepaid them.
227
622000
1000
und sie im Voraus bezahlt.
10:38
So everybodyjeder got an envelopeBriefumschlag with all the moneyGeld for the experimentExperiment,
228
623000
3000
Wir haben allen einen Umschlag mit der gesamten Bezahlung für das Experiment gegeben
10:41
and we told them that at the endEnde, we askedaufgefordert them
229
626000
2000
und ihnen gesagt, wir würden sie am Ende bitten
10:43
to payZahlen us back the moneyGeld they didn't make. OK?
230
628000
4000
uns das Geld zurückzugeben, das ihnen nicht zustünde. OK?
10:47
The samegleich thing happensdas passiert.
231
632000
1000
Das Gleiche ist passiert.
10:48
When we give people the opportunityGelegenheit to cheatbetrügen, they cheatbetrügen.
232
633000
2000
Wenn wir Menschen die Gelegenheit geben zu betrügen, betrügen sie auch.
10:50
They cheatbetrügen just by a little bitBit, all the samegleich.
233
635000
3000
Sie betrügen nur ein klein wenig, aber immerhin.
10:53
But in this experimentExperiment we alsoebenfalls hiredgemietet an actingSchauspielkunst studentSchüler.
234
638000
3000
Wir haben für dieses Experiment aber auch einen Schauspielschüler engagiert.
10:56
This actingSchauspielkunst studentSchüler stoodstand up after 30 secondsSekunden, and said,
235
641000
4000
Seine Rolle war es, nach 30 Sekunden aufzustehen und zu sagen:
11:00
"I solvedgelöst everything. What do I do now?"
236
645000
3000
"Ich habe alles gelöst. Was soll ich jetzt machen?"
11:03
And the experimenterExperimentator said, "If you've finishedfertig everything, go home.
237
648000
4000
Worauf der Versuchsleiter sagen würde: "Wenn Sie mit allem fertig sind, können Sie heimgehen."
11:07
That's it. The taskAufgabe is finishedfertig."
238
652000
1000
Das war's. Mission erfüllt.
11:08
So, now we had a studentSchüler -- an actingSchauspielkunst studentSchüler --
239
653000
4000
Wir hatten also einen Studenten -- einen Schauspielstudenten --
11:12
that was a partTeil of the groupGruppe.
240
657000
2000
eingeschleust, und ihn zu einem Teil dieser Gruppe gemacht
11:14
NobodyNiemand knewwusste it was an actorDarsteller.
241
659000
2000
in der niemand wußte, daß er ein Schauspieler war.
11:16
And they clearlydeutlich cheatedbetrogen in a very, very seriousernst way.
242
661000
4000
Und nun hat diese Person ganz offensichtlich einen dreisten Betrug begangen.
11:20
What would happengeschehen to the other people in the groupGruppe?
243
665000
3000
Wie würden die anderen Personen in der Gruppe reagieren?
11:23
Will they cheatbetrügen more, or will they cheatbetrügen lessWeniger?
244
668000
3000
Würden sie weniger schummeln oder mehr schummeln?
11:26
Here is what happensdas passiert.
245
671000
2000
Das Folgende ist passiert:
11:28
It turnswendet sich out it dependshängt davon ab on what kindArt of sweatshirtSweatshirt they're wearingtragen.
246
673000
4000
Es hat sich herausgestellt daß es davon abhängt, was für ein Sweatshirt man trägt.
11:32
Here is the thing.
247
677000
2000
Es ist nämlich so:
11:34
We ranlief this at CarnegieCarnegie MellonMellon and PittsburghPittsburgh.
248
679000
3000
Wir haben dieses Experiment an mehreren Unis durchgeführt.
11:37
And at PittsburghPittsburgh there are two biggroß universitiesUniversitäten,
249
682000
2000
Es gibt zwei große Universitäten in Pittsburgh,
11:39
CarnegieCarnegie MellonMellon and UniversityUniversität of PittsburghPittsburgh.
250
684000
3000
Die Carnegie Mellon und die University of Pittsburgh.
11:42
All of the subjectsFächer sittingSitzung in the experimentExperiment
251
687000
2000
Alle Testpersonen im Experiment
11:44
were CarnegieCarnegie MellonMellon studentsStudenten.
252
689000
2000
studierten an der Carnegie Mellon.
11:46
When the actorDarsteller who was gettingbekommen up was a CarnegieCarnegie MellonMellon studentSchüler --
253
691000
4000
Wenn der Schauspieler auch einen Carnegie Mellon-Studenten spielte --
11:50
he was actuallytatsächlich a CarnegieCarnegie MellonMellon studentSchüler --
254
695000
2000
Er war übrigens tatsächlich ein Carnegie Mellon-Student --
11:52
but he was a partTeil of theirihr groupGruppe, cheatingbetrügen wentging up.
255
697000
4000
solange er also Teil der Gruppe war, wurde mehr gemogelt.
11:56
But when he actuallytatsächlich had a UniversityUniversität of PittsburghPittsburgh sweatshirtSweatshirt,
256
701000
4000
Sobald er allerdings ein Sweatshirt der University of Pittsburgh anhatte
12:00
cheatingbetrügen wentging down.
257
705000
2000
wurde weniger betrogen!
12:02
(LaughterLachen)
258
707000
3000
(Gelächter)
12:05
Now, this is importantwichtig, because remembermerken,
259
710000
3000
Das ist aber wichtig, denn wir erinnern uns:
12:08
when the momentMoment the studentSchüler stoodstand up,
260
713000
2000
als der Student aufstand,
12:10
it madegemacht it clearklar to everybodyjeder that they could get away with cheatingbetrügen,
261
715000
3000
machte das jedem klar, daß man für diesen Betrug keinen Ärger bekommt:
12:13
because the experimenterExperimentator said,
262
718000
2000
Denn der Versuchleiter hat ihm gesagt,
12:15
"You've finishedfertig everything. Go home," and they wentging with the moneyGeld.
263
720000
2000
"Du hast alles beantwortet, Du kannst nach Hause gehen," und das Geld hat er behalten.
12:17
So it wasn'twar nicht so much about the probabilityWahrscheinlichkeit of beingSein caughterwischt again.
264
722000
3000
Es ging hier also nicht um die Wahrscheinlichkeit, beim Betrug erwischt zu werden.
12:20
It was about the normsNormen for cheatingbetrügen.
265
725000
3000
Es ging vielmehr darum, wann Betrug normativ akzeptiert wird.
12:23
If somebodyjemand from our in-groupGruppe cheatsCheats and we see them cheatingbetrügen,
266
728000
3000
Wenn jemand aus unserer Wir-Gruppe betrügt und wir ihn dabei sehen
12:26
we feel it's more appropriateangemessen, as a groupGruppe, to behavesich verhalten this way.
267
731000
4000
so haben wir als Gruppe das Gefühl, daß dieses Verhalten relativ angemessen ist.
12:30
But if it's somebodyjemand from anotherein anderer groupGruppe, these terriblefurchtbar people --
268
735000
2000
Wenn es aber jemand aus einer anderen Gruppe ist, einer dieser schrecklichen Leute --
12:32
I mean, not terriblefurchtbar in this --
269
737000
2000
Ich meine damit niemand bestimmten --
12:34
but somebodyjemand we don't want to associateAssociate ourselvesuns selbst with,
270
739000
2000
aber jemand mit dem wir uns nicht identifizieren wollen,
12:36
from anotherein anderer universityUniversität, anotherein anderer groupGruppe,
271
741000
2000
jemand von einer anderen Universität, aus einer anderen Gruppe,
12:38
all of a suddenplötzlich people'sMenschen awarenessdas Bewusstsein of honestyEhrlichkeit goesgeht up --
272
743000
3000
dann wird Ehrlichkeit von Menschen plötzlich viel stärker wahrgenommen --
12:41
a little bitBit like The TenZehn CommandmentsGebote experimentExperiment --
273
746000
2000
ein bißchen wie bei dem Zehn-Gebote-Experiment --
12:43
and people cheatbetrügen even lessWeniger.
274
748000
4000
und es wird viel weniger gemogelt.
12:47
So, what have we learnedgelernt from this about cheatingbetrügen?
275
752000
4000
Was haben wir davon also über das Betrügen gelernt?
12:51
We'veWir haben learnedgelernt that a lot of people can cheatbetrügen.
276
756000
3000
Wir haben gelernt, daß viele Leute betrügen können.
12:54
They cheatbetrügen just by a little bitBit.
277
759000
3000
Der Einzelne betrügt dabei nur ein bißchen.
12:57
When we reminderinnern people about theirihr moralityMoral, they cheatbetrügen lessWeniger.
278
762000
4000
Sobald wir Leute an ihre Moral erinnern, betrügen sie weniger.
13:01
When we get biggergrößer distanceEntfernung from cheatingbetrügen,
279
766000
3000
Wenn der Betrug sich "weiter entfernt" anfühlt,
13:04
from the objectObjekt of moneyGeld, for exampleBeispiel, people cheatbetrügen more.
280
769000
4000
weil es beispielsweise nur indirekt um Geld geht, betrügen sie mehr.
13:08
And when we see cheatingbetrügen around us,
281
773000
2000
Und wenn wir sehen wie um uns herum geschummelt wird,
13:10
particularlyinsbesondere if it's a partTeil of our in-groupGruppe, cheatingbetrügen goesgeht up.
282
775000
4000
vor allem wenn es ein Teil unserer Wir-Gruppe tut, dann schummeln wir mehr.
13:14
Now, if we think about this in termsBegriffe of the stockStock marketMarkt,
283
779000
3000
Wenn wir das jetzt auf die Börse anwenden,
13:17
think about what happensdas passiert.
284
782000
1000
was sehen wir dann?
13:18
What happensdas passiert in a situationLage when you createerstellen something
285
783000
3000
Was passiert, wenn man etwas erschaffen hat
13:21
where you payZahlen people a lot of moneyGeld
286
786000
2000
das Menschen sehr viel Geld dafür bezahlt,
13:23
to see realityWirklichkeit in a slightlyleicht distortedverzerrt way?
287
788000
3000
die Wirklichkeit auf eine etwas verzerrte Art wahrzunehmen?
13:26
Would they not be ablefähig to see it this way?
288
791000
3000
Wären sie nicht in der Lage, es auch so zu sehen?
13:29
Of courseKurs they would.
289
794000
1000
Natürlich wären sie das.
13:30
What happensdas passiert when you do other things,
290
795000
1000
Was passiert wenn man andere Dinge tut,
13:31
like you removeentfernen things from moneyGeld?
291
796000
2000
wie zum Beispiel Dinge weiter und weiter von Geld zu entfernen?
13:33
You call them stockStock, or stockStock optionsOptionen, derivativesDerivate,
292
798000
3000
Wir haben Aktien, Aktienoptionen, Derivative,
13:36
mortgage-backedMortgage backed securitiesWertpapiere.
293
801000
1000
Hypothekengestützte Wertpapiere.
13:37
Could it be that with those more distantentfernt things,
294
802000
3000
Ist es möglich, daß diese weiter entfernten Dinge,
13:40
it's not a tokenToken for one secondzweite,
295
805000
2000
die keine Sekunde lang etwas reales repräsentieren,
13:42
it's something that is manyviele stepsSchritte removedentfernt from moneyGeld
296
807000
2000
die so viele Umwandlungsschritte von Geld entfernt sind
13:44
for a much longerlänger time -- could it be that people will cheatbetrügen even more?
297
809000
4000
und es für so lange Zeit bleiben -- könnte es sein, daß Leute bei solchen Dingen sehr viel mehr betrügen?
13:48
And what happensdas passiert to the socialSozial environmentUmwelt
298
813000
2000
Und was passiert mit einem gesellschaftlichen Umfeld
13:50
when people see other people behavesich verhalten around them?
299
815000
3000
in dem Leute ständig das Verhalten ihrer Nächsten sehen?
13:53
I think all of those forcesKräfte workedhat funktioniert in a very badschlecht way
300
818000
4000
Ich denke daß alle diese Kräfte sehr schlechte Auswirkungen
13:57
in the stockStock marketMarkt.
301
822000
2000
auf die Börse haben.
13:59
More generallyallgemein, I want to tell you something
302
824000
3000
Etwas genereller wollte ich Ihnen etwas
14:02
about behavioralVerhaltens- economicsWirtschaft.
303
827000
3000
über Verhaltensökonomie erzählen.
14:05
We have manyviele intuitionsIntuitionen in our life,
304
830000
4000
Oft lassen wir uns von unserer Intuition leiten --
14:09
and the pointPunkt is that manyviele of these intuitionsIntuitionen are wrongfalsch.
305
834000
3000
die Sache ist daß diese Intuition oft falsch ist.
14:12
The questionFrage is, are we going to testTest those intuitionsIntuitionen?
306
837000
3000
Die Frage ist, ob wir unserer Intuition nachgeben wollen oder sie erst auf die Probe stellen.
14:15
We can think about how we're going to testTest this intuitionIntuition
307
840000
2000
Wir können uns überlegen, wie wir solche Intuitionen
14:17
in our privatePrivatgelände life, in our businessGeschäft life,
308
842000
2000
sowohl in unserem Privatleben als auch geschäftlich testen können.
14:19
and mostdie meisten particularlyinsbesondere when it goesgeht to policyPolitik,
309
844000
3000
Am wichtigsten ist dabei wohl die Politik,
14:22
when we think about things like No ChildKind Left BehindHinter,
310
847000
3000
man denke einmal an Dinge wie die Amerikanische Bildungsreform von 2001
14:25
when you createerstellen newneu stockStock marketsMärkte, when you createerstellen other policiesRichtlinien --
311
850000
3000
oder die Schaffung neuer Börsenmärkte, oder andere politische Entscheidungen
14:28
taxationBesteuerung, healthGesundheit carePflege and so on.
312
853000
3000
wie Steuerpolitik, Gesundheitswesen und so weiter und so fort.
14:31
And the difficultySchwierigkeit of testingtesten our intuitionIntuition
313
856000
2000
Wie schwierig es ist, unsere Intuition zu hinterfragen
14:33
was the biggroß lessonLektion I learnedgelernt
314
858000
2000
habe ich deutlich sehen können
14:35
when I wentging back to the nursesKrankenschwestern to talk to them.
315
860000
2000
als ich ins Krankenhaus zurückging um meine Krankenschwestern wiederzusehen.
14:37
So I wentging back to talk to them
316
862000
2000
Ich ging zurück um mit ihnen zu reden
14:39
and tell them what I foundgefunden out about removingEntfernen bandagesBandagen.
317
864000
3000
und ihnen zu erzählen, was ich über das Abnehmen von Verbänden gelernt hatte.
14:42
And I learnedgelernt two interestinginteressant things.
318
867000
2000
Dabei habe ich zwei interessante Dinge gelernt:
14:44
One was that my favoriteFavorit nurseKrankenschwester, EttieEttie,
319
869000
2000
Erstens hat meine Lieblingsschwester Ettie mir gesagt,
14:46
told me that I did not take her painSchmerz into considerationBerücksichtigung.
320
871000
4000
ich hätte ihren Schmerz nicht in die Untersuchung einbezogen.
14:50
She said, "Of courseKurs, you know, it was very painfulschmerzlich for you.
321
875000
2000
Sie sagte: "Natürlich war es sehr schmerzhaft für Sie.
14:52
But think about me as a nurseKrankenschwester,
322
877000
2000
Aber denken Sie einmal an mich als Krankenschwester.
14:54
takingunter, removingEntfernen the bandagesBandagen of somebodyjemand I likedgefallen,
323
879000
2000
Ich mußte jemandem den ich mochte die Verbände wechseln --
14:56
and had to do it repeatedlywiederholt over a long periodPeriode of time.
324
881000
3000
und das immer und immer wieder über einen sehr langen Zeitraum.
14:59
CreatingErstellen so much tortureFolter was not something that was good for me, too."
325
884000
3000
So viel Qual zu verursachen war auch für mich nicht schön."
15:02
And she said maybe partTeil of the reasonGrund was it was difficultschwer for her.
326
887000
5000
Und dann sagte sie mir vielleicht einen Teil des Grundes, weswegen es für sie schwer war --
15:07
But it was actuallytatsächlich more interestinginteressant than that, because she said,
327
892000
3000
Eigentlich war es sogar noch interessanter als das, denn was sie sagte war:
15:10
"I did not think that your intuitionIntuition was right.
328
895000
5000
"Ich glaubte nicht, daß Ihre Intuition richtig war."
15:15
I feltFilz my intuitionIntuition was correctrichtig."
329
900000
1000
"Ich glaubte, meine Intuition war es."
15:16
So, if you think about all of your intuitionsIntuitionen,
330
901000
2000
Wenn Sie jetzt einmal über jede Ihrer Eingebungen nachdenken,
15:18
it's very hardhart to believe that your intuitionIntuition is wrongfalsch.
331
903000
4000
ist es sehr schwer, zu glauben, daß Ihre Intuition sie trügt.
15:22
And she said, "GivenGegeben the factTatsache that I thought my intuitionIntuition was right ..." --
332
907000
3000
Und sie sagte, weil ich dachte, meine Intuition wäre richtig --
15:25
she thought her intuitionIntuition was right --
333
910000
2000
und sie dachte ihre Intuition wäre richtig --
15:27
it was very difficultschwer for her to acceptakzeptieren doing a difficultschwer experimentExperiment
334
912000
5000
wäre es sehr schwierig für sie, ein schwieriges Experiment zu veranstalten
15:32
to try and checkprüfen whetherob she was wrongfalsch.
335
917000
2000
nur um zu überprüfen, ob sie falsch lag.
15:34
But in factTatsache, this is the situationLage we're all in all the time.
336
919000
4000
Das ist aber tatsächlich die Situation in der wir uns alle die ganze Zeit befinden.
15:38
We have very strongstark intuitionsIntuitionen about all kindsArten of things --
337
923000
3000
Unsere Intuition spricht über alles Mögliche zu uns --
15:41
our ownbesitzen abilityFähigkeit, how the economyWirtschaft worksWerke,
338
926000
3000
über unsere eigenen Fähigkeiten, wie die Wirtschaft funktioniert,
15:44
how we should payZahlen schoolSchule teachersLehrer.
339
929000
2000
darüber, wie gut wir Lehrer bezahlen sollten.
15:46
But unlesses sei denn we startAnfang testingtesten those intuitionsIntuitionen,
340
931000
3000
Aber solange wir nicht anfangen, diese Eingebungen auf die Probe zu stellen,
15:49
we're not going to do better.
341
934000
2000
werden wir es nie besser machen als jetzt.
15:51
And just think about how better my life would have been
342
936000
2000
Denken Sie einmal darüber nach, wieviel höher meine Lebensqualität gewesen wäre,
15:53
if these nursesKrankenschwestern would have been willingbereit to checkprüfen theirihr intuitionIntuition,
343
938000
2000
wenn meine Krankenschwestern bereit gewesen wären, ihre Intuition zu hinterfragen
15:55
and how everything would have been better
344
940000
1000
und um wieviel besser unser aller Leben sein könnte,
15:56
if we just startAnfang doing more systematicsystematische experimentationExperimente of our intuitionsIntuitionen.
345
941000
5000
wenn wir nur anfingen, unsere Intuitionen durch systematische Experimente zu überprüfen.
16:01
Thank you very much.
346
946000
2000
Vielen Dank.
Translated by Alex Catapano
Reviewed by Stefan Soehnle

▲Back to top

ABOUT THE SPEAKER
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.

Why you should listen

Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably IrrationalThe Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.

Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.

More profile about the speaker
Dan Ariely | Speaker | TED.com