Die Zinseszins-Metapher (und warum sie mehr als eine Metapher ist)
Ein Dollar, der zu 7 % jährlich angelegt wird, wird in zehn Jahren zu 2 Dollar, in zwanzig zu 4 und in vierzig zu 16. Das Wachstum ist anfangs langsam, dann explosiv schnell, weil die Erträge jedes Jahres ihre eigenen Erträge generieren.
Wissen funktioniert genauso, aber mit einer Besonderheit. Finanzieller Zinseszins wirkt auf einer einzigen Achse: Geld. Intellektueller Zinseszins wirkt auf mehreren Achsen gleichzeitig. Wenn Sie Biologie lernen, erwerben Sie biologisches Wissen. Wenn Sie dann Wirtschaftswissenschaften lernen, addieren Sie nicht einfach ökonomisches Wissen dazu. Sie gewinnen die Fähigkeit, biologische Systeme durch eine ökonomische Linse und ökonomische Systeme durch eine biologische Linse zu betrachten. Die Zahl möglicher Verbindungen wächst nicht linear, sondern kombinatorisch.
Hier die Mathematik dazu. Wenn Sie drei Fachgebiete tiefgreifend verstehen, beträgt die Zahl der potenziellen paarweisen Verbindungen drei. Fügen Sie ein viertes Feld hinzu, und es springt auf sechs. Ein fünftes ergibt zehn. Ein sechstes ergibt fünfzehn. Die Formel lautet n(n-1)/2, wobei n die Anzahl der verinnerlichten Fachgebiete ist. Menschen, die breit lesen, sind nicht klüger in einem einzelnen Bereich. Sie verfügen einfach über mehr Rohmaterial für originelles Denken.
Charlie Munger baute seine gesamte Anlagephilosophie auf diesem Prinzip auf. Er nannte es "ein Gitterwerk mentaler Modelle" und argumentierte, dass das Heranziehen von Ideen aus Psychologie, Physik, Biologie, Geschichte und Mathematik ihm einen konsistenten Vorteil gegenüber Investoren verschaffte, die nur Finanzen studierten. Munger sammelte keine Trivialitäten aus verschiedenen Bereichen. Er baute ein Netzwerk tiefer Prinzipien auf, die sich gegenseitig verstärkten. Jedes neue Modell machte jedes andere Modell nützlicher.
Innovation ist Rekombination: Brian Arthurs Framework
In The Nature of Technology (2009) stellt der Ökonom W. Brian Arthur eine provokante These auf: Alle Innovation ist Rekombination. Jede neue Technologie wird aus bereits existierenden Teilen zusammengesetzt. Die Dampfmaschine kombinierte den Kolben (seit der Antike bekannt) mit dem Druckbehälter (für den Bergbau entwickelt) und dem Fliehkraftregler (von Windmühlen übernommen). Das Internet kombinierte Paketvermittlung (aus der militärischen Kommunikation), Hypertext (aus der Informationswissenschaft) und Personal Computing (aus der Elektronikindustrie).
Arthur nennt dies "kombinatorische Evolution". Technologien entstehen, wenn jemand Komponenten aus verschiedenen Bereichen auf eine Weise verbindet, die noch niemand zuvor versucht hat. Je mehr Bereiche Sie verstehen, desto größer wird Ihre Palette an Komponenten.
Eine Studie von Brian Uzzi an der Northwestern aus dem Jahr 2013 analysierte 17,9 Millionen wissenschaftliche Arbeiten und bestätigte dies empirisch. Die Arbeiten mit dem höchsten Impact kombinierten konventionelle Ideen aus einem Feld mit einer ungewöhnlichen Idee, die aus einem entfernten Feld importiert wurde. Vollständig konventionelle Arbeiten hatten geringen Impact. Vollständig ungewöhnliche Arbeiten hatten ebenfalls geringen Impact. Der Idealbereich war eine konventionelle Basis plus ein oder zwei atypische Kombinationen.
Die praktische Erkenntnis: Sie brauchen tiefe Expertise in mindestens einem Feld (die konventionelle Basis) und echte Vertrautheit mit mehreren anderen (die Quelle atypischer Kombinationen). Durchbrüche geschehen nicht durch reines Genie, sondern durch einen größeren kombinatorischen Suchraum.
Die Wissenschaft der entfernten Analogien
Im Jahr 2001 veröffentlichten die Psychologen Kevin Dunbar und Isabelle Blanchette eine Forschungsarbeit darüber, wie Wissenschaftler tatsächlich denken. Sie untersuchten molekularbiologische Labore an vier großen Forschungsuniversitäten und beobachteten Wissenschaftler, während diese Probleme in Echtzeit bearbeiteten. Ihre Erkenntnisse stellten das populäre Bild der wissenschaftlichen Entdeckung als einsamen Heureka-Moment infrage.
Die produktivsten Wissenschaftler stützten sich stark auf Analogien, und die wirkungsvollsten Analogien kamen von außerhalb ihres eigenen Fachgebiets. Ein Molekularbiologe, der die Proteinfaltung mit Origami verglich (eine Anleihe aus Kunst und Geometrie), generierte andere Hypothesen als einer, der die Proteinfaltung nur mit anderen molekularen Prozessen verglich. Dunbar nannte diese "entfernte Analogien", und sie führten signifikant häufiger zu neuartigen experimentellen Designs als "lokale Analogien", die aus derselben Disziplin stammten.
Warum funktionieren entfernte Analogien? Sie zwingen Sie dazu, die tiefen strukturellen Merkmale eines Problems zu identifizieren, anstatt in Oberflächendetails gefangen zu bleiben. Dedre Gentners "Strukturabbildungstheorie" (1983) erklärt den Mechanismus: Die Kraft der Analogie liegt nicht in der Oberflächenähnlichkeit, sondern in der relationalen Ähnlichkeit. Zwei Dinge können auf der Oberfläche völlig verschieden aussehen, aber identische strukturelle Beziehungen teilen. Das Sonnensystem und das Atom. Natürliche Selektion und Marktwettbewerb. Menschen, die über Fachgrenzen hinweg lesen, akkumulieren eine Bibliothek struktureller Muster, die sie einsetzen können, wann immer sie auf ein neues Problem stoßen.
Eine Studie von Lee Fleming an der Harvard Business School aus dem Jahr 2004 bestätigte dies in der realen Welt. Bei der Analyse von 17.000 Patenten fand Fleming heraus, dass Erfinder, die Wissen aus technologisch entfernten Bereichen kombinierten, Patente produzierten, die signifikant häufiger zitiert wurden. Die Kombinationen waren riskanter, aber wenn sie Erfolg hatten, war die Ausbeute enorm.
Range: Warum Generalisten in komplexen Umgebungen gewinnen
David Epsteins Range: Why Generalists Triumph in a Specialized World (2019) fasst Jahrzehnte der Forschung zusammen und argumentiert, dass unsere Kultur frühe Spezialisierung überbewertet. Epstein unterscheidet zwischen "freundlichen" Lernumgebungen (klare Regeln, sofortiges Feedback, wiederkehrende Muster) und "bösartigen" Lernumgebungen (mehrdeutige Regeln, verzögertes Feedback, neuartige Situationen). Schach ist freundlich. Kindererziehung ist bösartig. Die meisten realen Probleme sind bösartig.
In freundlichen Umgebungen dominieren Spezialisten. Zehntausend Stunden bewussten Übens machen Sie tatsächlich besser im Schach, Golf oder Geigenspiel. Aber in bösartigen Umgebungen favorisiert die Forschung konsequent Menschen mit breiterer Erfahrung. Epstein dokumentiert Fall um Fall:
- Nobelpreisträger sind laut einer Studie von Robert Root-Bernstein et al. (2008), veröffentlicht im Journal of Psychology of Science and Technology, 22-mal wahrscheinlicher als durchschnittliche Wissenschaftler, ein ernsthaftes künstlerisches Hobby zu haben (Malerei, Schauspiel, Musik, kreatives Schreiben).
- Die erfolgreichsten Technologieprognostiker in Philip Tetlocks Forschung (2005) waren "Füchse", die aus vielen Rahmenwerken schöpften, und nicht "Igel", die sich auf eine einzige große Theorie stützten.
- Erfolgreiche Serieninnovatoren bei Unternehmen wie 3M und Procter & Gamble tendierten dazu, über mehrere Produktkategorien hinweg gearbeitet zu haben, statt ihre gesamte Karriere in einem Bereich zu verbringen.
Epstein argumentiert nicht gegen Tiefe. Er argumentiert gegen voreilige Tiefe. Die Menschen, die letztlich die höchsten Leistungsniveaus erreichten, hatten oft eine "Ausprobierphase" zu Beginn ihrer Karriere, in der sie viele verschiedene Dinge ausprobierten, vielfältige Erfahrungen sammelten und sich erst dann zur Spezialisierung entschieden. Jeder Bereich, der während dieser Erkundungsphase ausprobiert wurde, wird zu einem permanenten Teil des mentalen Werkzeugkastens, bereit, sich zu aktivieren, wenn Sie auf ein Problem stoßen, das zu einem Muster passt, das Sie Jahre zuvor aufgenommen haben.
Das Angrenzend Mögliche: Wie breites Wissen Türen öffnet
Stuart Kauffman, theoretischer Biologe am Santa Fe Institute, entwickelte das Konzept des "Angrenzend Möglichen", um zu beschreiben, wie Evolution funktioniert. Zu jedem gegebenen Zeitpunkt kann die Evolution nur Konfigurationen erreichen, die einen Schritt von dem entfernt sind, was derzeit existiert. Das Angrenzend Mögliche ist die Menge aller Dinge, die angesichts des aktuellen Zustands in Reichweite sind.
Steven Johnson popularisierte diese Idee in Where Good Ideas Come From (2010) und wandte sie auf Innovation an. Gute Ideen sind fast nie ihrer Zeit voraus. Sie befinden sich genau an der Grenze dessen, was angesichts bestehender Komponenten und Kenntnisse möglich ist. Das Telefon wurde unabhängig voneinander von mehreren Personen innerhalb weniger Monate erfunden. Die Infinitesimalrechnung wurde gleichzeitig von Newton und Leibniz entwickelt. Das waren keine Zufälle. Es war das Angrenzend Mögliche, das für mehrere Köpfe ungefähr zur gleichen Zeit sichtbar wurde.
Für Einzelpersonen ist das Angrenzend Mögliche eine Funktion dessen, was Sie bereits wissen. Wenn Sie nur Finanzen kennen, enthält Ihr Angrenzend Mögliches finanzielle Innovationen. Wenn Sie Finanzen und Biologie kennen, umfasst Ihr Angrenzend Mögliches plötzlich Ideen an der Schnittstelle: evolutionäre Modelle des Marktverhaltens, ökologische Ansätze des Risikomanagements. Jedes neue Fachgebiet fügt nicht eine Tür hinzu. Es fügt eine Tür für jedes Feld hinzu, das Sie bereits kennen.
Historische Beispiele: Grenzüberschreiter, die die Welt veränderten
Die transformativsten Denker der Geschichte blieben selten auf einer einzigen Spur. Ihre Durchbrüche kamen genau deshalb zustande, weil sie Ideen von einem Feld in ein anderes importierten.
| Denker | Kombinierte Felder | Durchbruch | Wie die Kreuzbestäubung funktionierte |
|---|---|---|---|
| Charles Darwin | Biologie + Geologie + Ökonomie | Theorie der natürlichen Selektion | Las Malthus' Essay on Population (Ökonomie) und erkannte, wie Wettbewerb um knappe Ressourcen den Artenwandel antreiben könnte. Lyells geologischer Gradualismus gab ihm die Zeitskala. |
| Steve Jobs | Kalligrafie + Computing + Geisteswissenschaften | Der Macintosh (und Apples Designphilosophie) | Ein Kalligrafiekurs am Reed College lehrte ihn Serifen- und serifenlose Schriften, proportionalen Zeichenabstand und visuelle Schönheit in Buchstabenformen. Ein Jahrzehnt später wurde der Mac der erste Computer mit schöner Typografie. |
| Elon Musk | Physik + Ingenieurwesen + Business + Luft- und Raumfahrt | SpaceX wiederverwendbare Raketen, Tesla | Wandte "First-Principles-Denken" aus der Physik an, um Annahmen in der Luft- und Raumfahrt (warum sind Raketen so teuer?) und Automobilindustrie (warum können Elektroautos nicht begehrenswert sein?) infrage zu stellen. |
| Ada Lovelace | Mathematik + Dichtung + Musik | Erstes Computerprogramm | Ihre literarische Vorstellungskraft ermöglichte es ihr, Babbages Analytical Engine nicht nur als Rechner zu sehen, sondern als universellen Symbolmanipulator, der Musik komponieren und jedes symbolische System verarbeiten konnte. |
| Claude Shannon | Elektrotechnik + Boolesche Algebra + Linguistik | Informationstheorie | Seine Masterarbeit wandte George Booles abstrakte Logik (aus Philosophie/Mathematik) auf elektrische Schaltkreise an. Später kombinierte er dies mit statistischen Modellen der Sprache, um die Informationstheorie zu schaffen, das Fundament des digitalen Zeitalters. |
| Jane Jacobs | Journalismus + Stadtbeobachtung + Ökonomie + Ökologie | The Death and Life of Great American Cities | Wandte ökologisches Denken (Vielfalt, Mischnutzung, organische Entwicklung) auf Stadtplanung an und stürzte die modernistische Top-down-Orthodoxie. Sie hatte keine formale Ausbildung in Architektur oder Stadtplanung. |
Das Muster ist konsistent. Der Moment des Durchbruchs beinhaltete fast immer ein Konzept aus Feld A, das auf ein Problem in Feld B angewandt wurde. Darwin erfand weder Wettbewerb noch Knappheit. Sein Genie bestand darin zu erkennen, dass Malthus' ökonomische Prinzipien auch in der Natur wirkten.
Spezialist vs. Generalist vs. T-Profil vs. Pi-Profil: Ein Vergleich
Die Diskussion über Breite vs. Tiefe hat mehrere unterschiedliche Modelle zur Strukturierung Ihres intellektuellen Lebens hervorgebracht.
| Profil | Form | Beschreibung | Stärken | Schwächen | Am besten für |
|---|---|---|---|---|---|
| Spezialist | I | Tiefe Expertise in einem einzelnen Bereich | Meisterschaft, Glaubwürdigkeit, Fähigkeit, klar definierte Probleme zu lösen | Blinde Flecken, Schwierigkeiten bei der Anpassung wenn sich das Feld verschiebt, begrenzter kreativer Spielraum | Freundliche Umgebungen mit klaren Regeln (Chirurgie, Schach, klassische Musik) |
| Generalist | Strich | Breites aber oberflächliches Wissen über viele Bereiche | Mustererkennung, Flexibilität, Fähigkeit, Verbindungen zu sehen | Mangel an Glaubwürdigkeit in einem einzelnen Bereich, Schwierigkeiten bei Problemen, die tiefe Expertise erfordern | Frühe Karriereerkundung, Führungspositionen, Journalismus |
| T-Profil | T | Tiefe Expertise in einem Bereich + breite Vertrautheit mit anderen | Tiefe Glaubwürdigkeit plus fächerübergreifende Kommunikation und Zusammenarbeit | Noch an ein Feld gebunden; kann Schwierigkeiten haben, wenn dieses Feld obsolet wird | Die meisten Wissensarbeiter, Designer, Produktmanager |
| Pi-Profil | π | Tiefe Expertise in zwei Bereichen + breite Vertrautheit mit anderen | Maximales kombinatorisches Potenzial, Fähigkeit, zwei Gemeinschaften zu verbinden, originelles Denken an Schnittstellen | Braucht länger zur Entwicklung, erfordert anhaltende Anstrengung in zwei tiefen Bereichen | Forscher, Unternehmer, interdisziplinäre Innovatoren |
Das T-Profil-Modell, popularisiert durch Tim Brown von IDEO, erfasst die Idee, dass Sie genug Tiefe brauchen, um in mindestens einem Bereich ernst genommen zu werden, während Sie genug Breite beibehalten, um über Grenzen hinweg zusammenzuarbeiten. Das Pi-Profil-Modell geht weiter: Zwei Bereiche tiefer Expertise geben Ihnen einen permanenten Standpunkt an einer Schnittstelle, und an Schnittstellen leben die wertvollsten Ideen. Für den Aufbau intellektuellen Zinseszinses ist das Pi-Profil ideal.
Das Wissensportfolio: Ein praktisches Framework
Andrew Hunt und David Thomas führten die "Wissensportfolio"-Metapher in The Pragmatic Programmer (1999) ein und verglichen Wissensmanagement mit finanziellem Portfoliomanagement. Hier ist ein praktisches Framework zur Maximierung des intellektuellen Zinseszinses:
1. Kernpositionen (60 % der Lernzeit) Ihr primäres Fachgebiet. Hier gehen Sie in die Tiefe. Lesen Sie die grundlegenden Texte, verfolgen Sie die neueste Forschung, bauen Sie Projekte, tauschen Sie sich mit Experten aus. Dies ist Ihr "I" im T oder eine Ihrer Säulen im Pi.
2. Wachstumspositionen (25 % der Lernzeit) Angrenzende Felder, die Sie aktiv entwickeln. Diese sollten nahe genug an Ihrem Kern sein, dass Sie Verbindungen sehen können, aber weit genug entfernt, dass sie genuinartig neue Muster einbringen. Wenn Ihr Kern Software-Engineering ist, könnten Wachstumspositionen kognitive Psychologie, Ökonomie oder Systembiologie umfassen.
3. Spekulative Positionen (15 % der Lernzeit) Felder, über die Sie nichts wissen und die Sie rein aus Neugier erkunden. Geschichte, Kunst, Musiktheorie, Anthropologie, Physik, Philosophie. Dies ist Ihr Serendipitäts-Budget. Die meisten dieser Erkundungen werden sich nicht direkt auszahlen, aber diejenigen, die es tun, werden Ihre originellsten Ideen hervorbringen.
Die entscheidende Disziplin ist das Rebalancing. Ein Wissensportfolio driftet in Richtung reiner Spezialisierung, wenn Sie Ihre Wachstums- und spekulativen Zuweisungen nicht aktiv schützen. Verwenden Sie Werkzeuge wie den Web-Highlighter von Glasp, um Ideen aus verschiedenen Bereichen zu erfassen und eine persönliche Bibliothek fächerübergreifender Erkenntnisse aufzubauen, die Sie später erneut besuchen und verknüpfen können.
Praktische Schritte zur Umsetzung des Wissensportfolios:
- Wöchentliches Audit: Was haben Sie diese Woche gelesen? War alles innerhalb Ihres Kernbereichs? Wenn ja, wählen Sie nächste Woche bewusst etwas aus einem anderen Feld.
- Monatliche Verbindungsüberprüfung: Sehen Sie sich Ihre aktuellen Markierungen und Notizen aus verschiedenen Bereichen an. Schreiben Sie eine kurze Notiz zu jeder fächerübergreifenden Verbindung, die Sie finden.
- Vierteljährliches Rebalancing: Passen Sie Ihre Leseliste an, um das 60/25/15-Gleichgewicht wiederherzustellen. Ihre Kindle-Markierungen sind hier nützlich: Das Überprüfen von Buchmarkierungen aus verschiedenen Themen offenbart Muster, die Sie sonst möglicherweise nicht bemerken würden.
- Jährliche Retrospektive: Welche fächerübergreifenden Verbindungen haben dieses Jahr die wertvollsten Erkenntnisse hervorgebracht? Vertiefen Sie diese Schnittstellen.
Die unterschätzte Kraft des zufälligen Lesens
Einige der kraftvollsten intellektuellen Verbindungen entstehen durch Zufall. Sie greifen zu einem Buch über ein unbekanntes Thema, und mitten im zweiten Kapitel löst ein Satz eine Assoziation mit etwas aus, das Sie in einem völlig anderen Kontext gelernt haben. Dieser Moment der unerwarteten Verbindung ist Serendipität, und sie ist eine der zuverlässigsten Quellen originellen Denkens.
Sie können das Unerwartete nicht planen, aber Sie können Bedingungen schaffen, die Serendipität wahrscheinlicher machen:
Lesen Sie außerhalb Ihres Algorithmus. Empfehlungsalgorithmen geben Ihnen mehr von dem, was Sie bereits mögen. Das ist effizient, aber es tötet Serendipität. Durchstöbern Sie einen Community-Feed, in dem Menschen aus verschiedenen Bereichen teilen, was sie lesen. Sehen Sie, was ein Neurowissenschaftler markiert. Schauen Sie, was ein Architekt interessant fand. Diese unerwarteten Begegnungen sind genau die Art der Kreuzbestäubung, die originelles Denken hervorbringt.
Nutzen Sie Schnelllernwerkzeuge für unbekannte Felder. Wenn Sie Softwareentwickler sind und Evolutionsbiologie verstehen möchten, fühlt sich ein 600-Seiten-Lehrbuch abschreckend an. Aber eine 30-minütige Vorlesung anzusehen und die YouTube Summary eines Schlüsselvortrags zu lesen, verschafft Ihnen 80 % der Kernkonzepte in einem Bruchteil der Zeit. Sie versuchen nicht, Biologe zu werden. Sie versuchen, strukturelle Muster aufzunehmen, die sich mit Ihrem bestehenden Wissen verbinden könnten.
Führen Sie ein "Verbindungsprotokoll". Wenn Sie eine unerwartete Verbindung zwischen zwei Ideen aus verschiedenen Bereichen bemerken, schreiben Sie sie sofort auf. Diese Verbindungen sind fragil. Im Laufe der Zeit wird Ihr Verbindungsprotokoll zu einer Landkarte Ihres originellsten Denkens.
Sprechen Sie mit Menschen außerhalb Ihres Fachgebiets. Martin Ruef, Soziologe an der Duke University, fand heraus, dass Unternehmer mit vielfältigen sozialen Netzwerken dreimal häufiger innovierten als Unternehmer mit homogenen Netzwerken (2010, The Entrepreneurial Group). Vielfältige Kontakte setzen Sie vielfältigen Informationen aus, die vielfältige Analogien produzieren, die originelle Lösungen produzieren.
Aufbau Ihres fächerübergreifenden Wissenssystems
Zu wissen, dass fächerübergreifendes Denken mächtig ist, ist eine Sache. Ein System aufzubauen, das es unterstützt, ist eine andere. Die meisten Wissensmanagement-Tools sind für Tiefe innerhalb eines einzelnen Feldes konzipiert. Wenige sind für Breite konzipiert.
Ein effektives fächerübergreifendes Wissenssystem braucht drei Fähigkeiten:
1. Erfassung über Fachgebiete hinweg. Sie brauchen eine Möglichkeit, Ideen aus jedem Feld, jedem Medium, jeder Quelle zu speichern und zu annotieren. Der Web-Highlighter von Glasp funktioniert bei Webartikeln, PDFs und YouTube-Videos und ermöglicht es, eine einzige Wissensbasis aufzubauen, die mehrere Bereiche umfasst.
2. Verbindungen sichtbar machen. Rohe Markierungen sind nur nützlich, wenn Sie Muster darin finden können. Der KI-Chat von Glasp kann Ihre Markierungen aus verschiedenen Bereichen analysieren und Verbindungen aufdecken, die Sie vielleicht nicht bemerkt hätten, und fungiert als fächerübergreifender Musterdetektor.
3. Soziale Entdeckung. Ihre eigene Lektüre ist durch Ihre eigenen Entscheidungen und Vorurteile begrenzt. Wenn Sie jemandem folgen, dessen Interessen sich in einem Bereich mit Ihren überschneiden, in einem anderen aber davon abweichen, werden dessen Markierungen zu einer kuratierten Einführung in unbekanntes Gebiet. Das ist kollektive Serendipität im großen Maßstab.
Wenn Sie bereits ein persönliches Wissensmanagementsystem aufbauen, überlegen Sie, wie fächerübergreifende Erfassung in Ihren Arbeitsablauf passt. Und wenn Sie sich für Tiago Fortes Ansatz interessieren, können Sie sehen, wie das Aufbauen eines Second Brain fächerübergreifendes Denken ergänzt, indem es Ideen aus vielen Quellen Struktur verleiht.
Die Vorteile eines solchen Systems gehen über individuelles Lernen hinaus. Wenn Sie Ihre fächerübergreifenden Markierungen und Verbindungen öffentlich teilen, tragen Sie zu einer Form von kollektiver Intelligenz bei, die allen zugutekommt. Und wenn Sie es offen tun, lernen Sie in der Öffentlichkeit auf eine Weise, die andere einlädt, Ihre Ideen herauszufordern, zu erweitern und darauf aufzubauen.
Häufig gestellte Fragen
Wie fange ich an, fächerübergreifend zu lernen, wenn ich bereits tief in einem Feld stecke?
Fangen Sie klein an. Widmen Sie 15 % Ihrer Lesezeit völlig unbekannten Themen. Wählen Sie ein Buch oder eine Videoserie aus einem Feld, das nichts mit Ihrer Arbeit zu tun hat. Lesen Sie es mit einer Frage im Hinterkopf: "Welche strukturellen Muster hier erinnern mich an etwas in meinem eigenen Feld?" Über ein Jahr hinweg fügt sogar ein Buch pro Quartal aus einem unbekannten Feld vier neue Perspektiven zu Ihrem Denken hinzu.
Besteht nicht die Gefahr, ein "Hansdampf in allen Gassen, Meister in keiner" zu werden?
Ja, wenn Sie sich ohne tiefen Anker zu dünn verteilen. Die leistungsstärksten fächerübergreifenden Denker haben mindestens einen (und idealerweise zwei) Bereiche echter Tiefe. Breite ohne Tiefe gibt Ihnen Cocktailparty-Wissen. Tiefe ohne Breite gibt Ihnen Tunnelblick. Das Wissensportfolio-Framework (60 % Kern, 25 % Wachstum, 15 % spekulativ) ist darauf ausgelegt, dies zu verhindern.
Wie lange dauert es, bis sich intellektueller Zinseszins auszahlt?
Wie bei finanziellem Zinseszins sind die Erträge auf die späteren Jahre konzentriert. Im ersten oder zweiten Jahr kann sich fächerübergreifendes Lesen unproduktiv anfühlen. Im dritten oder vierten Jahr werden Sie beginnen, überraschende Verbindungen zwischen Ideen aus verschiedenen Feldern zu bemerken. Im fünften Jahr wird fächerübergreifende Mustererkennung automatisch. Der Schlüssel ist Beständigkeit: Ein Artikel aus einem unbekannten Feld pro Woche ist wirkungsvoller, als zehn Artikel auf einmal zu lesen und dann aufzuhören.
Was ist der beste Weg, um Verbindungen zwischen Ideen aus verschiedenen Feldern zu finden?
Drei Ansätze funktionieren gut zusammen. Erstens: Führen Sie ein Verbindungsprotokoll. Wann immer Sie eine strukturelle Ähnlichkeit zwischen Ideen aus verschiedenen Bereichen bemerken, schreiben Sie sie sofort auf. Zweitens: Überprüfen Sie regelmäßig Ihre Markierungen aus allen Bereichen und suchen Sie nach wiederkehrenden Themen. Werkzeuge wie Glasp, die es Ihnen ermöglichen, alle Ihre Markierungen an einem Ort zu sehen, erleichtern dies. Drittens: Versuchen Sie, eine Idee aus einem Feld mit dem Vokabular eines anderen zu erklären. Wenn Sie ein biologisches Konzept in ökonomischen Begriffen beschreiben können, haben Sie eine echte strukturelle Verbindung gefunden.
Kann fächerübergreifendes Denken in Schulen gelehrt werden, oder ist es ein Persönlichkeitsmerkmal?
Die Forschung legt nahe, dass es primär eine Fähigkeit ist, kein Merkmal. Dedre Gentners Arbeit zum analogen Denken zeigt, dass Menschen trainiert werden können, strukturelle Ähnlichkeiten zwischen Bereichen zu finden. Programme wie Stanfords d.school, das Media Lab des MIT und das Santa Fe Institute haben gezeigt, dass interdisziplinäre Bildung strukturiert und effektiv gelehrt werden kann. Für Autodidakten erzielt bewusstes fächerübergreifendes Lesen kombiniert mit regelmäßiger Reflexion über Verbindungen denselben Effekt.