ABOUT THE SPEAKER
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.

Why you should listen

To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.

But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.

More profile about the speaker
Peter van Manen | Speaker | TED.com
TEDxNijmegen

Peter van Manen: Better baby care -- thanks to Formula 1

Peter van Manen: Wie kann die Formel 1 ein Baby retten?

Filmed:
845,406 views

Während eines Formel-1-Rennens sendet ein Fahrzeug hunderte Millionen von Daten in die Werkstatt, für Echtzeitauswertung und Feedback. Warum dieses detailierte und gründliche Datensystem nicht auch anderweitig nutzen... z. B. in einer Kinderklinik? Peter van Manen erzählt uns mehr.
- Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio

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

00:12
MotorMotor racingRennen is a funnykomisch oldalt businessGeschäft.
0
336
2257
Der Motorsport ist ein
altes seltsames Geschäft.
00:14
We make a newneu carAuto everyjeden yearJahr,
1
2593
2317
Wir bauen jedes Jahr ein neues Auto
00:16
and then we spendverbringen the restsich ausruhen of the seasonJahreszeit
2
4910
2188
und den Rest der Saison
verbringen wir damit,
00:19
tryingversuchen to understandverstehen what it is we'vewir haben builtgebaut
3
7098
2776
herauszufinden,
was wir da gemacht haben,
00:21
to make it better, to make it fasterschneller.
4
9874
3221
um es noch besser
und schneller zu machen.
00:25
And then the nextNächster yearJahr, we startAnfang again.
5
13095
3275
Im nächsten Jahr
fangen wir wieder von vorn an.
00:28
Now, the carAuto you see in frontVorderseite of you is quiteganz complicatedkompliziert.
6
16370
4238
Das Fahrzeug,
das Sie hier sehen, ist sehr komplex.
00:32
The chassisChassis is madegemacht up of about 11,000 componentsKomponenten,
7
20608
3619
Das Fahrwerk besteht aus
über 11.000 Einzelteilen,
00:36
the engineMotor anotherein anderer 6,000,
8
24227
2468
der Motor aus weiteren 6.000,
00:38
the electronicsElektronik about eightacht and a halfHälfte thousandtausend.
9
26695
3093
die Elektronik aus über 8.500.
00:41
So there's about 25,000 things there that can go wrongfalsch.
10
29788
4401
Also etwa 25.000 Sachen,
die falsch laufen können.
00:46
So motorMotor- racingRennen is very much about attentionAufmerksamkeit to detailDetail.
11
34189
4826
Im Motorsport liegt
der Fokus auf dem Detail.
00:51
The other thing about FormulaFormel 1 in particularinsbesondere
12
39015
3263
Eine andere Besonderheit der Formel 1 ist,
00:54
is we're always changingÄndern the carAuto.
13
42278
2124
dass wir das Fahrzeug ständig verändern.
Wir sind immer bemüht, es schneller zu machen.
00:56
We're always tryingversuchen to make it fasterschneller.
14
44402
2280
00:58
So everyjeden two weeksWochen, we will be makingHerstellung
15
46682
2984
Also alle 2 Wochen bauen wir
01:01
about 5,000 newneu componentsKomponenten to fitpassen to the carAuto.
16
49666
4200
über 5.000 neue Teile in das Fahrzeug ein.
01:05
FiveFünf to 10 percentProzent of the raceRennen carAuto
17
53866
2178
Fünf bis 10 Prozent eines Rennwagens
01:08
will be differentanders everyjeden two weeksWochen of the yearJahr.
18
56044
3752
sind alle 2 Wochen im Jahr anders.
01:11
So how do we do that?
19
59796
2309
Wie stellen wir das an?
01:14
Well, we startAnfang our life with the racingRennen carAuto.
20
62105
3744
Also, wir starten unser Leben
mit dem Rennwagen.
01:17
We have a lot of sensorsSensoren on the carAuto to measuremessen things.
21
65849
3991
Wir haben eine Menge Sensoren an dem Auto,
um Messungen durchzuführen.
01:21
On the raceRennen carAuto in frontVorderseite of you here
22
69840
1882
An dem Rennwagen direkt vor Ihnen
01:23
there are about 120 sensorsSensoren when it goesgeht into a raceRennen.
23
71722
3159
befinden sich über 120 Sensoren,
wenn es beim Rennen startet.
01:26
It's measuringMessung all sortssortiert of things around the carAuto.
24
74881
3652
Sie messen alle möglichen Daten
in Bezug auf das Auto.
01:30
That dataDaten is loggedangemeldet. We're loggingProtokollierung about
25
78533
2052
Die Daten werden aufgezeichnet.
Wir speichern über
01:32
500 differentanders parametersParameter withininnerhalb the dataDaten systemsSysteme,
26
80585
3704
500 verschiedene Parameter
in unserem System,
01:36
about 13,000 healthGesundheit parametersParameter and eventsVeranstaltungen
27
84289
3665
über 13.000 Zustandswerte und andere Werte
01:39
to say when things are not workingArbeiten the way they should do,
28
87954
4565
um zu beurteilen, ob die Sachen
so funktionieren, wie sie es sollten.
01:44
and we're sendingSenden that dataDaten back to the garageGarage
29
92519
2825
Diese Daten senden wir zurück in die Werkstatt,
01:47
usingmit telemetryTelemetrie at a ratePreis of two to fourvier megabitsMegabits perpro secondzweite.
30
95344
4979
mit Übertragungsraten von 2 bis 4 MB pro Sekunde.
01:52
So duringwährend a two-hourzwei Stunden raceRennen, eachjede einzelne carAuto will be sendingSenden
31
100323
3127
Während eines 2-Stunden-Rennens,
sendet jedes Fahrzeug
01:55
750 millionMillion numbersNummern.
32
103450
2275
750 Millionen Zahlen.
01:57
That's twicezweimal as manyviele numbersNummern as wordsWörter that eachjede einzelne of us
33
105725
3143
Das sind doppelt so viele Zahlen,
wie jeder von uns Wörter
02:00
speaksspricht in a lifetimeLebenszeit.
34
108868
1631
in seinem ganzen Leben spricht.
02:02
It's a hugeenorm amountMenge of dataDaten.
35
110499
2618
Das ist eine gewaltige Datenmenge.
02:05
But it's not enoughgenug just to have dataDaten and measuremessen it.
36
113117
2645
Doch es reicht nicht aus,
diese Daten einfach nur zu erheben.
02:07
You need to be ablefähig to do something with it.
37
115762
2158
Man muss auch etwas damit tun.
02:09
So we'vewir haben spentverbraucht a lot of time and effortAnstrengung
38
117920
2394
Wir haben viel Zeit und Mühe geopfert,
02:12
in turningDrehen the dataDaten into storiesGeschichten
39
120314
1869
aus diesen Daten Geschichten zu machen,
02:14
to be ablefähig to tell, what's the stateBundesland of the engineMotor,
40
122183
3105
um sagen zu können,
wie der Zustand des Motors ist,
02:17
how are the tiresReifen degradingerniedrigende,
41
125288
2272
wie sich die Reifen abnutzen,
02:19
what's the situationLage with fuelTreibstoff consumptionVerbrauch?
42
127560
3748
wie der Spritverbrauch ist?
02:23
So all of this is takingunter dataDaten
43
131308
2788
Wir nehmen diese aussagekräftigen Daten
02:26
and turningDrehen it into knowledgeWissen that we can actHandlung uponauf.
44
134096
3802
und wandeln sie um in Wissen,
mit dem wir arbeiten können.
02:29
Okay, so let's have a look at a little bitBit of dataDaten.
45
137898
2638
O. k., schauen wir uns die Daten einmal an.
02:32
Let's pickwähle a bitBit of dataDaten from
46
140536
2030
Wir nehmen die Daten
02:34
anotherein anderer three-month-olddrei-Monate-alten patientgeduldig.
47
142566
3079
eines anderen 3 Monate alten "Patienten".
02:37
This is a childKind, and what you're seeingSehen here is realecht dataDaten,
48
145645
4171
Das ist ein Kind.
Sie sehen hier richtige Daten,
02:41
and on the farweit right-handrechte Hand sideSeite,
49
149816
1977
und auf der rechten Seite des Bildes
02:43
where everything startsbeginnt gettingbekommen a little bitBit catastrophickatastrophal,
50
151793
2587
fängt es an, etwas katastrophal zu werden.
02:46
that is the patientgeduldig going into cardiacHerz arrestFestnahme.
51
154380
3584
Da erlebt der Patient
gerade einen Herzstillstand.
02:49
It was deemedals to be an unpredictableunberechenbar eventEvent.
52
157964
3232
Dies wird als unvorhersehbares
Ereignis angesehen.
02:53
This was a heartHerz attackAttacke that no one could see comingKommen.
53
161196
3789
Diese Herzattacke hat
niemand kommen sehen.
02:56
But when we look at the informationInformation there,
54
164985
2550
Doch wenn wir uns
die Informationen anschauen,
02:59
we can see that things are startingbeginnend to becomewerden
55
167535
2349
sehen wir, dass die Dinge schon vorher
03:01
a little fuzzyunscharf about fivefünf minutesProtokoll or so before the cardiacHerz arrestFestnahme.
56
169884
4029
unscharf wurden – etwa 5 Minuten
vor dem Herzstillstand.
03:05
We can see smallklein changesÄnderungen
57
173913
2037
Wir können kleine Veränderungen sehen
03:07
in things like the heartHerz ratePreis movingbewegend.
58
175950
2383
z. B. bei der Herzfrequenz.
03:10
These were all undetectedunentdeckt by normalnormal thresholdsSchwellenwerte
59
178333
2486
Diese wurden bei den
normalen Grenzwerten nicht bemerkt,
03:12
whichwelche would be appliedangewendet to dataDaten.
60
180819
2408
die auf die Daten angewendet wurden.
03:15
So the questionFrage is, why couldn'tkonnte nicht we see it?
61
183227
3143
Die Frage ist also:
"Warum konnten wir es nicht vorhersehen?"
03:18
Was this a predictablevorhersagbar eventEvent?
62
186370
2581
War es ein vorhersehbares Ereignis?
03:20
Can we look more at the patternsMuster in the dataDaten
63
188951
3010
Können wir die Muster der Daten
näher betrachten,
03:23
to be ablefähig to do things better?
64
191961
3380
um besser zu werden?
03:27
So this is a childKind,
65
195341
2650
Also, das ist ein Kind,
03:29
about the samegleich ageAlter as the racingRennen carAuto on stageStufe,
66
197991
3232
etwa im gleichen Alter
wie der Rennwagen hier auf der Bühne,
03:33
threedrei monthsMonate oldalt.
67
201223
1630
3 Monate alt.
03:34
It's a patientgeduldig with a heartHerz problemProblem.
68
202853
2605
Das ist ein Patient
mit einem Herzfehler.
03:37
Now, when you look at some of the dataDaten on the screenBildschirm aboveüber,
69
205458
3468
Wenn Sie sich die Daten
auf dem Bildschirm oben anschauen
03:40
things like heartHerz ratePreis, pulseImpuls, oxygenSauerstoff, respirationAtmung ratesPreise,
70
208926
4902
also Herzfrequenz, Puls,
Sauerstoff, Atemfrequenz –
03:45
they're all unusualungewöhnlich for a normalnormal childKind,
71
213828
3076
sind sie alle ungewöhnlich für ein normales Kind,
03:48
but they're quiteganz normalnormal for the childKind there,
72
216904
2642
aber normal für dieses Kind.
03:51
and so one of the challengesHerausforderungen you have in healthGesundheit carePflege is,
73
219546
4138
Eine Herausforderung
im Gesundheitswesen ist:
03:55
how can I look at the patientgeduldig in frontVorderseite of me,
74
223684
2851
Wie betrachte ich den Patienten direkt vor mir,
03:58
have something whichwelche is specificspezifisch for her,
75
226535
3047
welche Besonderheiten gibt es
04:01
and be ablefähig to detecterkennen when things startAnfang to changeVeränderung,
76
229582
2788
und bin ich in der Lage festzustellen,
04:04
when things startAnfang to deteriorateverschlechtern?
77
232370
2099
wann sich der Zustand verschlechtern wird?
04:06
Because like a racingRennen carAuto, any patientgeduldig,
78
234469
3050
Wie bei einem Rennwagen
hat man bei jedem Patienten
04:09
when things startAnfang to go badschlecht, you have a shortkurz time
79
237519
2976
bei einer Verschlechterung
nur sehr wenig Zeit,
04:12
to make a differenceUnterschied.
80
240495
1831
um etwas zu bewirken.
04:14
So what we did is we tookdauerte a dataDaten systemSystem
81
242326
2754
Wir haben also
das Datensystem genommen,
04:17
whichwelche we runLauf everyjeden two weeksWochen of the yearJahr in FormulaFormel 1
82
245080
3131
das wir alle 2 Wochen bei der Formel 1 benutzen
04:20
and we installedEingerichtet it on the hospitalKrankenhaus computersComputer
83
248211
3002
und haben es auf den Computern installiert,
04:23
at BirminghamBirmingham Children'sKinder- HospitalKrankenhaus.
84
251213
2290
die in der Birminghamer Kinderklinik stehen.
04:25
We streamedgestreamt dataDaten from the bedsideNachttisch instrumentsInstrumente
85
253503
2439
Wir nahmen die Patientendaten
04:27
in theirihr pediatricpädiatrische intensiveintensiv carePflege
86
255942
2557
auf der Intensivstation
04:30
so that we could bothbeide look at the dataDaten in realecht time
87
258499
3456
und konnten sowohl die Daten in Echtzeit betrachten
04:33
and, more importantlywichtig, to storeGeschäft the dataDaten
88
261955
2871
als auch, was viel wichtiger ist, sie speichern,
04:36
so that we could startAnfang to learnlernen from it.
89
264826
3057
um von ihnen zu lernen.
04:39
And then, we appliedangewendet an applicationAnwendung on topoben
90
267883
4384
Dann haben wir eine Software verwendet
04:44
whichwelche would allowzulassen us to teasenecken out the patternsMuster in the dataDaten
91
272267
3270
die es uns erlaubte,
Muster aus den Daten zu filtern.
04:47
in realecht time so we could see what was happeningHappening,
92
275537
2956
Alles in Echtzeit,
so konnten wir sehen, was geschah.
04:50
so we could determinebestimmen when things startedhat angefangen to changeVeränderung.
93
278493
3713
Damit konnten wir sehen,
wenn sich etwas verändert.
04:54
Now, in motorMotor- racingRennen, we're all a little bitBit ambitiousehrgeizige,
94
282206
3863
Im Motorsport sind wir alle sehr anspruchsvoll,
04:58
audaciousKühne, a little bitBit arrogantarrogant sometimesmanchmal,
95
286069
2549
wagemutig und manchmal
sogar etwas arrogant,
05:00
so we decidedbeschlossen we would alsoebenfalls look at the childrenKinder
96
288618
3398
so entschieden wir die Kinder
schon zu untersuchen,
05:04
as they were beingSein transportedtransportiert to intensiveintensiv carePflege.
97
292016
2957
während sie auf die Intensivstation
gebracht wurden.
05:06
Why should we wait untilbis they arrivedist eingetroffen in the hospitalKrankenhaus
98
294973
2154
Warum sollten wir warten bis sie
die Klinik erreichen,
05:09
before we startedhat angefangen to look?
99
297127
1994
um uns die Sache anzusehen?
05:11
And so we installedEingerichtet a real-timeEchtzeit linkVerknüpfung
100
299121
2997
Also installierten wir eine Echtzeit-Verbindung
05:14
betweenzwischen the ambulanceKrankenwagen and the hospitalKrankenhaus,
101
302118
2836
zwischen Krankenwagen und Klinik.
05:16
just usingmit normalnormal 3G telephonyTelefonie to sendsenden that dataDaten
102
304954
3776
Wir nutzten eine normale 3G-Funkverbindung,
um die Daten zu übertragen.
05:20
so that the ambulanceKrankenwagen becamewurde an extraextra bedBett
103
308730
2487
Der Krankenwagen wurde
also ein zusätzliches Bett
05:23
in intensiveintensiv carePflege.
104
311217
3136
der Intensivstation.
05:26
And then we startedhat angefangen looking at the dataDaten.
105
314353
3702
Dann schauten wir uns die Daten an.
05:30
So the wigglyVerwackeln linesLinien at the topoben, all the colorsFarben,
106
318055
2921
Die Kurven oben und all die Farben,
05:32
this is the normalnormal sortSortieren of dataDaten you would see on a monitorMonitor --
107
320976
3194
das sind die normalen Daten,
die man auf einem Monitor sehen würde –
05:36
heartHerz ratePreis, pulseImpuls, oxygenSauerstoff withininnerhalb the bloodBlut,
108
324170
3772
Herzfrequenz, Puls, Sauerstoff im Blut
05:39
and respirationAtmung.
109
327942
2635
und die Atmung.
05:42
The linesLinien on the bottomBoden, the blueblau and the redrot,
110
330577
2753
Die Kurven weiter unten, in blau und rot,
05:45
these are the interestinginteressant onesEinsen.
111
333330
1360
das sind die interessanten Werte.
05:46
The redrot lineLinie is showingzeigt an automatedautomatisiert versionVersion
112
334690
3209
Die rote Kurve zeigt eine automatisierte Form
05:49
of the earlyfrüh warningWarnung scoreErgebnis
113
337899
1597
des Frühwarnsystems an,
05:51
that BirminghamBirmingham Children'sKinder- HospitalKrankenhaus were alreadybereits runningLaufen.
114
339496
2487
das bereits in der Kinderklinik
in Birmingham eingesetzt wurde.
05:53
They'dSie würden been runningLaufen that sinceschon seit 2008,
115
341983
2338
Es läuft dort seit 2008,
05:56
and alreadybereits have stoppedgestoppt cardiacHerz arrestsVerhaftungen
116
344321
2256
und es konnten bereits Herzstillstände gestoppt
05:58
and distressNot withininnerhalb the hospitalKrankenhaus.
117
346577
2757
und Herzleiden in der Klinik versorgt werden.
06:01
The blueblau lineLinie is an indicationIndikation
118
349334
2432
Die blaue Kurve zeigt,
06:03
of when patternsMuster startAnfang to changeVeränderung,
119
351766
2500
wenn Muster sich verändern
06:06
and immediatelysofort, before we even startedhat angefangen
120
354266
2309
und sofort, bevor wir auch nur anfangen
06:08
puttingPutten in clinicalklinisch interpretationAuslegung,
121
356575
1708
die Daten zu interpretieren,
06:10
we can see that the dataDaten is speakingApropos to us.
122
358283
2870
sprechen die Daten zu uns.
06:13
It's tellingErzählen us that something is going wrongfalsch.
123
361153
3536
Sie sagen uns, dass etwas falsch läuft.
06:16
The plotHandlung with the redrot and the greenGrün blobsBlobs,
124
364689
3816
Das Diagramm mit
den roten und grünen Flecken
06:20
this is plottingPlotten differentanders componentsKomponenten
125
368505
2805
ist die Auswertung verschiedener Daten
06:23
of the dataDaten againstgegen eachjede einzelne other.
126
371310
2547
gegeneinander.
06:25
The greenGrün is us learningLernen what is normalnormal for that childKind.
127
373857
3840
Die grünen zeigen, was für das Kind normal ist .
06:29
We call it the cloudWolke of normalityNormalität.
128
377697
2610
Wir nennen es die "Wolke der Normalität".
06:32
And when things startAnfang to changeVeränderung,
129
380307
2241
Und wenn Dinge anfangen sich zu ändern,
06:34
when conditionsBedingungen startAnfang to deteriorateverschlechtern,
130
382548
2564
wenn der Zustand anfängt sich zu verschlechtern,
06:37
we moveBewegung into the redrot lineLinie.
131
385112
2238
kommen wir zur roten Kurve.
06:39
There's no rocketRakete scienceWissenschaft here.
132
387350
1657
Da steckt keine große Wissenschaft dahinter.
06:41
It is displayingAnzeige dataDaten that existsexistiert alreadybereits in a differentanders way,
133
389007
4113
Wir bereiten Daten, die bereits existieren,
einfach nur in einer anderen Weise auf,
06:45
to amplifyverstärken it, to providezu Verfügung stellen cuesHinweise to the doctorsÄrzte,
134
393120
3391
um den Ärzten Hinweise zu geben,
06:48
to the nursesKrankenschwestern, so they can see what's happeningHappening.
135
396511
2738
und den Schwestern, damit sie sehen,
was los ist.
06:51
In the samegleich way that a good racingRennen driverTreiber
136
399249
3130
In der gleichen Weise wie sich
ein guter Rennfahrer
06:54
reliesstützt sich on cuesHinweise to decideentscheiden when to applysich bewerben the brakesBremsen,
137
402379
4044
auf Hinweise verlässt, wann er bremsen sollte,
06:58
when to turnWende into a cornerEcke,
138
406423
1476
wann er in die Kurve lenken sollte,
06:59
we need to help our physiciansÄrzte and our nursesKrankenschwestern
139
407899
2918
müssen wir unseren Ärzten und Schwestern helfen
07:02
to see when things are startingbeginnend to go wrongfalsch.
140
410817
3620
zu erkennen, wann Dinge schief laufen.
07:06
So we have a very ambitiousehrgeizige programProgramm.
141
414437
2946
Wir haben ein sehr ehrgeiziges Programm.
07:09
We think that the raceRennen is on to do something differentlyanders.
142
417383
4736
Wir glauben, es ist Zeit,
die Dinge anders anzugehen.
07:14
We are thinkingDenken biggroß. It's the right thing to do.
143
422119
2904
Wir denken weiträumig.
Das ist auch richtig so.
07:17
We have an approachAnsatz whichwelche, if it's successfulerfolgreich,
144
425023
3412
Wir haben eine Herangehensweise, die
– falls sie erfolgreich ist –
07:20
there's no reasonGrund why it should staybleibe withininnerhalb a hospitalKrankenhaus.
145
428435
2531
nicht nur in der Klinik bleiben sollte.
07:22
It can go beyonddarüber hinaus the wallsWände.
146
430966
1841
Sie kann noch viel mehr bewirken.
07:24
With wirelesskabellos connectivityKonnektivität these daysTage,
147
432807
2071
Mit den heutigen Drahtlosverbindungen
07:26
there is no reasonGrund why patientsPatienten, doctorsÄrzte and nursesKrankenschwestern
148
434878
3444
gibt es keinen Grund, warum Patienten,
Ärzte und Schwestern
07:30
always have to be in the samegleich placeOrt
149
438322
2171
immer zur gleichen Zeit
07:32
at the samegleich time.
150
440493
1993
am gleichen Ort sein müssen.
07:34
And meanwhileinzwischen, we'llGut take our little three-month-olddrei-Monate-alten babyBaby,
151
442486
3995
Währenddessen nehmen wir
unser 3 Monate altes Baby,
07:38
keep takingunter it to the trackSpur, keepinghalten it safeSafe,
152
446481
3757
bringen es auf die Rennbahn, behüten es
07:42
and makingHerstellung it fasterschneller and better.
153
450238
2333
und machen es schneller und besser.
07:44
Thank you very much.
154
452571
1405
Vielen herzlichen Dank.
07:45
(ApplauseApplaus)
155
453976
4954
(Beifall)
Translated by Torsten Lange
Reviewed by Till Renger

▲Back to top

ABOUT THE SPEAKER
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.

Why you should listen

To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.

But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.

More profile about the speaker
Peter van Manen | Speaker | TED.com