Rezension von Palantir, Anbieter einer Unternehmensdatenintegrations- und KI-Plattform

Von Léon Levinas-Ménard
Zuletzt aktualisiert: Dezember, 2025

Zurück zu Marktforschung

Palantir Technologies ist ein Softwareunternehmen, dessen zentrales kommerzielles Angebot nicht eine herkömmliche “supply chain planning suite” ist, sondern eine Plattform zur Integration unterschiedlicher Unternehmensdaten, die als gesteuerte Geschäftsobjekte (“ontology” / digital twin) modelliert werden, und zur Erstellung betrieblichen Anwendungen, die Arbeitsabläufe und Entscheidungen in Organisationen steuern; seine Hauptproduktlinien sind Foundry (für kommerzielle Operationen), Gotham (für staatliche/sicherheitsrelevante Analysen), Apollo (für die Bereitstellung und kontinuierliche Auslieferung in heterogenen und voneinander losgelösten Umgebungen) und AIP (eine Ebene zur Integration von LLMs/Agents in gesteuerte Unternehmensarbeitsabläufe), wobei seine supply-chain Relevanz – sofern vorhanden – typischerweise daraus resultiert, ERP-gebundene digital twins, Szenarioanalysen und Workflow-Automatisierung zu implementieren, statt aus einer veröffentlichten, reproduzierbaren Prognose-/Optimierungs-Engine.

Das definierende Merkmal von Palantir ist die Breite: Es strebt an, eine universelle Betriebsschicht für den Weg von Daten zu Entscheidungen in vielen Bereichen (Verteidigung, Fertigung, Gesundheitswesen, Energie, Luftfahrt) zu sein, wobei supply chain als ein Anwendungsbereich und nicht als Mittelpunkt des Produkts betrachtet wird. In der Praxis hängen Palantirs supply-chain Ergebnisse stark ab von (i) der Vollständigkeit und Aktualität der Datenintegration, (ii) der Struktur und Governance der Ontologie und (iii) den kundenspezifischen Anwendungen und Modellen, die darauf aufbauen – oft über bei Kunden eingebettete Palantir-Teams. Öffentliche Materialien bieten beträchtliche Details zu Plattform-Grundlagen (Ontology, Berechtigungen, Bereitstellung), aber vergleichsweise begrenzte, reproduzierbare Details zu proprietären Optimierungs- oder Prognosealgorithmen; wenn “Optimierung” behauptet wird, geschieht dies üblicherweise auf der Ebene von Arbeitsabläufen, What-if-Analysen und Entscheidungsunterstützung statt durch eine überprüfbare mathematische Engine.

Überblick

Palantir ist ein börsennotiertes Softwareunternehmen (NYSE: PLTR), das 2003 gegründet wurde und darauf ausgerichtet ist, Softwareplattformen bereitzustellen, die Daten aus vielen Systemen vereinheitlichen und über gesteuerte Anwendungen in großem Maßstab nutzbar machen.1 Seine Hauptsoftware-Linien werden (in Palantirs eigenen SEC-Berichten) als Gotham, Foundry, Apollo und AIP beschrieben, wobei die Umsätze zwischen staatlichen und kommerziellen Segmenten aufgeteilt werden.1 Unabhängige, renommierte Berichterstattung charakterisiert Palantir vor allem als Anbieter von “komplexer Datenintegration und Analytik” statt als Datenhändler – d.h., das Produkt ist die Plattform, die es Kunden ermöglicht, ihre eigenen Daten zu fusionieren und zu analysieren, und nicht der Weiterverkauf von Daten.2

Aus der supply chain Perspektive positionieren Palantirs eigene Materialien Foundry als eine “Operations”-Plattform, um Planung und Ausführung zu überbrücken, digital twins zu erstellen und auf Workflow-basierte Entscheidungen hinzuarbeiten.34 Allerdings wird die supply chain “Lösung” typischerweise als eine Kombination aus Integrationstools (z.B. ERP-Konnektivität), einer semantischen Schicht (Ontology), UI-/Analytikwerkzeugen und optionalen Modellintegrationen dargestellt – eher als eine Anwendungsplattform denn als ein dediziertes APS-/Bedarfsplanungsprodukt.56

Unternehmensgeschichte, Finanzierung und Meilensteine

Gründung und erste Unterstützung

Palantir gibt an, dass das Unternehmen 2003 gegründet wurde.1 Frühzeitige institutionelle Unterstützung umfasste riskantes Kapital, das nahe am US-Geheimdienst lag; In-Q-Tel führt Palantir öffentlich als Portfoliounternehmen auf, was die frühen Verbindungen zu regierungsnahen Ökosystemen bestätigt.7

Börsengang

Palantir wurde 2020 über einen direkten Börsengang börsennotiert (wie vom Unternehmen angekündigt).8 Laut seinem Geschäftsbericht für das Geschäftsjahr 2024 belegen Palantirs Unterlagen einen großen Streubesitz und eine duale Aktienklassenstruktur, die mit einem ausgereiften Governance-Modell eines börsennotierten Unternehmens übereinstimmen.91

Akquisitionstätigkeit

Öffentlich dokumentierte Akquisitionen wirken selektiv und relativ klein (oft als acquihires bezeichnet), statt einer Roll-up-Strategie. Zwei gut belegte Übernahmen sind:

  • Kimono Labs (Web-Scraping / Datensammlungs-Tools) — von TechCrunch berichtet und auch in der WSJ-Berichterstattung erwähnt.310
  • Silk (Startup für Datenvisualisierung) — von TechCrunch berichtet und durch GeekWire sowie weitere Fachpresse corroboriert.1112

Belege für weitere Akquisitionen gibt es in kommerziellen Datenbanken, jedoch können diese Quellen hinter Bezahlschranken liegen oder methodisch undurchsichtig sein; wo unabhängige, primäre Bestätigungen fehlen, sollten solche Behauptungen vorsichtig behandelt werden.

Produkt und Technologie: Was Palantir konkret anbietet

Foundry als “Data-to-Operations”-Plattform

Palantirs Foundry versteht sich am besten als eine Plattform, die:

  1. Daten aus vielen Quellsystemen integriert,
  2. diese als eine Menge von Geschäftsobjekten und Beziehungen (Ontology) strukturiert,
  3. eine feingranulare Steuerung und Sicherheit für diesen Objektgraphen gewährleistet, und
  4. Schnittstellen (Apps, Arbeitsabläufe, APIs, Analytik-Tools) zur operativen Entscheidungsunterstützung bereitstellt.51314

Palantirs eigene “Foundry Technical Overview” betont eine einheitliche Plattform, die Datenintegration, Governance, Anwendungsentwicklung und operative Bereitstellung umfasst, statt ein eng gefasstes Analytikprodukt.5 Dokumente zur Positionierung im Bereich supply chain heben ähnlich einen durchgängigen “digital twin” und operative Arbeitsabläufe hervor, wobei es sich hierbei um Marketing-Artefakte handelt, die häufig darauf verzichten, die Optimierungsmathematik zu spezifizieren oder reproduzierbare Benchmarks bereitzustellen.415

Ontologie: Semantisches Modell / Mechanismus für den digital twin

Eine zentrale technische Grundvoraussetzung ist die Foundry Ontology, die Palantir als Methode beschreibt, Unternehmensentitäten (assets, orders, parts, suppliers, facilities) und Beziehungen darzustellen, sodass Apps auf Geschäftskonzepten statt auf rohen Tabellen operieren können.13 Dies bildet die architektonische Basis für viele “digital twin”-Behauptungen: Der digital twin ist kein physikalischer Simulator, sondern ein gesteuerter Objektgraph, der aus integrierten Unternehmensdaten aufgebaut ist.1315

Ein konkretes, veröffentlichtes Beispiel für die Modellierung der supply chain in Foundry ist Palantirs eigener Use-Case “optimizing production with ERP data across the supply chain”: Er beschreibt die Verbindung zu SAP über eine “ERP Suite”, die Anwendung einer vorkonfigurierten Stückliste, die Generierung eines digital twin in der Ontology und den Einsatz spezifischer Foundry-Tools (z.B. Object Explorer, Contour) zur Unterstützung von Entscheidungen.6 Dies ist ungewöhnlich detailliert dahingehend, wie die Lösung zusammengesetzt wird (Connectors + BOM + Ontology + Tools), veröffentlicht jedoch weiterhin keine überprüfbare Optimierungsformulierung (Zielsetzung, Nebenbedingungen, Solver-Klasse) und gibt nicht preis, ob “optimal” heuristisch, linear/MIP oder szenariobasiert zu interpretieren ist.6

Governance- und Sicherheitsprinzipien

Die Foundry-Dokumentation beschreibt feingranulare Berechtigungen und objektspezifische Kontrollen, die regeln, wie Benutzer und Anwendungen Ontology-Objekte wahrnehmen und damit interagieren.14 Dies ist für operative Einsätze (einschließlich supply chain) relevant, da sinnvolle, bereichsübergreifende Entscheidungsarbeitsabläufe oft eine strikte Aufteilung erfordern (z.B. Lieferantenpreise, Verteidigungsprogramme, regulierte Daten). Öffentliche Dokumente bieten hier mehr Klarheit über diese Governance-Mechanismen als über einen proprietären “Optimierungs”-Kern.14

Apollo: Bereitstellung und kontinuierliche Auslieferung in eingeschränkten Umgebungen

Apollo wird als Palantirs Schicht für Bereitstellung und kontinuierliche Auslieferung positioniert, um Software in heterogenen und voneinander getrennten Umgebungen (einschließlich edge/air-gapped) auszuführen. Palantirs technisches Apollo-Whitepaper beschreibt das System unter Gesichtspunkten von DevOps/Infra-Angelegenheiten (Release-Orchestrierung, Flottenmanagement, Updates über diverse Ziele).16 Diese Fähigkeit ist kommerziell relevant in Branchen, in denen supply chains an regulierte oder voneinander getrennte Operationen gebunden sind (Defense Logistics, Aviation MRO, kritische Infrastruktur), und sie differenziert die “Plattformbereitstellung” von einem typischen SaaS-Planungstool.16

AIP: LLM/Agent-Integrationsschicht, kein eigenständiges Modell

AIP wird als Methode präsentiert, LLMs und “agents” in Unternehmensarbeitsabläufe zu integrieren, während Governance, Nachvollziehbarkeit und Zugriffskontrollen, die mit der Ontology und dem bestehenden Richtlinienmodell übereinstimmen, gewahrt bleiben.17 Öffentliche Materialien rahmen AIP im Allgemeinen als Orchestrierung + Governance + Workflow-Integration ein; sie behaupten nicht, dass Palantir bahnbrechende LLMs trainiert hat, und betonen üblicherweise die Kontrolle des Modellzugriffs auf Unternehmensdaten, anstatt neuartige Modellarchitekturen bereitzustellen.17

Bereitstellungs- und Rollout-Methodik

Ein wiederkehrendes Thema in Palantirs öffentlicher Darstellung ist die Implementierung durch Einbettung: Die Rolle des “Forward Deployed Software Engineer” wird ausdrücklich als Ingenieure beschrieben, die bei Kunden vor Ort eingebettet werden, um Palantir-Plattformen für reale Probleme zu konfigurieren, anstatt einer rein Self-Service-Produktbewegung. Dies unterstützt ein plausibles Bereitstellungsmodell für supply chain Anwendungsfälle: ERP/SCM-Daten integrieren, eine Ontology formen, operative Apps/Workflows entwickeln und dann iterativ mit den Nutzern weiterentwickeln – näher an einer plattformgestützten Bereitstellungsdienstleistung als an der Installation eines verpackten supply chain Moduls.125

Die praktische Implikation ist, dass die beobachteten Ergebnisse (time-to-value, Automatisierungstiefe, Entscheidungsqualität) erheblich variieren werden in Abhängigkeit von: der Datenbereitschaft, der Bereitschaft der Organisation, ontologiebasierte Workflows zu übernehmen, und dem Umfang der kundenspezifischen Anwendungsentwicklung während der Bereitstellung.512

Maschinelles Lernen, KI und “Optimierungs”-Behauptungen: Was belegt ist vs. was nicht belegt ist

Palantirs Plattformsdokumentation und Whitepaper liefern nachvollziehbare Details zu:

  • wo Modelle passen (z.B. in Workflows mit Governance integriert),
  • wie Modelleinsatzergebnisse operationalisiert werden können (Apps/Workflows, die mit Ontology-Objekten verknüpft sind),
  • wie der Zugriff gesteuert wird (Berechtigungen / objektspezifische Sicherheit),
  • wie das System in großem Maßstab bereitgestellt wird (Apollo).171416

Im Gegensatz dazu behaupten öffentliche supply chain Materialien häufig “geschäftsoptimale” Entscheidungen und “Optimierung”, liefern jedoch typischerweise nicht:

  • explizite Zielfunktionen,
  • Formulierungen von Nebenbedingungen,
  • Solver-Klassen (MIP/CP, Metaheuristiken, stochastische Optimierung),
  • reproduzierbare Benchmark-Ergebnisse,
  • oder von Fachkollegen begutachtete technische Validierungen, die Palantirs Beitrag von den eigenen Analytics-Teams des Kunden abgrenzen.15418

Die konkretesten technischen Beschreibungen darüber, “wie es gemacht wird” im Bereich supply chain, finden sich in Palantirs eigenem Use-Case-Beispiel (ERP Connector + BOM + Ontology + Tools).6 Dies ist ein aussagekräftiger architektonischer Nachweis – jedoch kein Beleg für eine Optimierung auf dem neuesten Stand der Technik im Sinne der Operations Research.

Supply chain Fußabdruck: Überprüfbare Kundenreferenzen vs. Marketingaussagen

Namentlich genannte, unabhängig überprüfbare Referenzen

Airbus Skywise ist ein starkes, namentlich genanntes Beispiel, das durch unabhängige Bestätigungen aus der Airbus-Kommunikation unterstützt wird. Airbus kündigte Skywise im Juni 2017 in Zusammenarbeit mit Palantir öffentlich an.19 Später beschrieb Airbus den anhaltenden Markterfolg von Skywise und bekräftigte die Zusammenarbeit mit Palantir.20 Airbus-Materialien geben ausdrücklich an, dass Skywise Core “angetrieben von Palantir Technologies” ist, und positionieren Palantirs Plattform als Infrastruktur für ein Luftfahrtdaten-Ökosystem.21 Palantir veröffentlicht zudem ein Übersichtsdokument zur Partnerschaft mit Airbus, das jedoch vom Anbieter selbst verfasst ist und als Marketingmaterial behandelt werden sollte, sofern es nicht durch Airbus-Quellen bestätigt wird.22

Namentlich genannte Referenzen, bei denen Palantir involviert ist, der supply chain Umfang jedoch variabel ist

Das Welternährungsprogramm (WFP) kündigte 2019 eine mehrjährige Partnerschaft mit Palantir an, um Daten zur Straffung humanitärer Lieferoperationen zu nutzen.23 Dies entspricht glaubwürdig einer supply chain im logistischen Sinne, auch wenn die öffentlichen Mitteilungen eher allgemein gehalten sind und die interne technische Architektur über die allgemeinen Ergebnisse hinaus nicht spezifiziert wird.23

Schwache Belege: Anonymisierte oder zusammengesetzte Fallstudien

Palantirs supply chain Whitepapers sowie ROI-Studien stützen sich häufig auf anonymisierte Komposit-Fallstudien (“a composite organization”) oder weit gefasste Einsparungs- und Optimierungsbehauptungen.1518 Diese können zwar plausiblen Wertschöpfungsmuster andeuten, stellen jedoch einen schwachen Beleg für kundenspezifische Ergebnisse oder die technische Einzigartigkeit der zugrunde liegenden Optimierungsmethoden dar, da die zugrunde liegenden Datensätze, kontrafaktische Szenarien und Zuschreibungen nicht reproduzierbar sind.18

Kommerzielle Reife

Palantir ist ein etabliertes Unternehmen (gegründet 2003) und ein erfahrener börsennotierter Emittent mit umfassenden SEC-Berichten, was auf eine erhebliche kommerzielle Reife hindeutet.19 Seine Produktpalette (Foundry/Gotham/Apollo/AIP) weist auf eine Plattformstrategie mit bereichsübergreifender Anwendbarkeit hin, statt auf eine einzelne vertikale Anwendung; die Relevanz im Bereich supply chain ist daher tendenziell am stärksten dort, wo Kunden eine gesteuerte operative Datenschicht wünschen und bereit sind, darauf domänenspezifische Apps zu entwickeln.53

Palantir vs Lokad

Palantir und Lokad zielen grundsätzlich auf unterschiedliche Ebenen des “supply chain software” Stacks ab.

Das Kernprodukt von Palantir ist eine allgemeine Plattform für Unternehmensdatenintegration und gesteuerte Anwendungen: heterogene Daten integrieren, sie als Ontology modellieren, feingranulare Zugriffskontrollen durchsetzen und darauf aufbauend operative Apps und Workflows entwickeln (optionalerweise inkl. KI/LLM-Integrationen).5131417 Im Bereich supply chain betont Palantirs eigene Referenzarchitektur typischerweise den Aufbau eines digital twin aus ERP-/operativen Daten und den Einsatz von Plattform-Tools zur Entscheidungsfindung; selbst wenn von “Optimierung” die Rede ist, finden sich die öffentlichen Nachweise hauptsächlich auf der Ebene von Workflows, Szenarioanalysen und Plattform-Tools, statt einer offengelegten, domänenspezifischen Optimierungs-Engine.615

Lokads zentrale Leistung ist ein supply-chain-spezifischer prädiktiver Optimierungsansatz, ausgedrückt durch seine domänenspezifische Sprache Envision, die Lokad als speziell für “prädiktive Optimierung von supply chains” entwickelte Lösung dokumentiert.24 Lokads öffentlich kommunizierte technische Positionierung konzentriert sich auf probabilistisches und Quantil-Forecasting als erstklassige Bausteine für die Entscheidungsfindung in der supply chain (z. B. betont Lokads Seite zum Quantil-Forecasting bereits 2012 den frühen Übergang zu industrietauglichen Quantil-Prognosen, und seine Seite zum probabilistischen Forecasting stellt Wahrscheinlichkeitsverteilungen als das zentrale Paradigma dar).2526 Anders ausgedrückt ist Lokad darauf ausgelegt, optimierte Entscheidungen in der supply chain unter Unsicherheit zu produzieren, während Palantir darauf abzielt, Unternehmensdaten mittels gesteuerter Apps operational zu machen – wobei die mathematischen Modelle der supply chain (Forecast-/Optimierungsmodelle) entweder innerhalb der Plattform implementiert oder aus externen Tools integriert werden.562426

Praktisch:

  • Wenn der Engpass einer Organisation Datenfragmentierung, Governance und die Operationalisierung bereichsübergreifender Workflows ist, stimmt Palantirs Ontologie + Berechtigungen + Deployment-Tools mit diesem Problem überein.131416
  • Wenn der Engpass Entscheidungsoptimierung unter Unsicherheit ist (z. B. probabilistische Nachschubplanung, Abwägungen zwischen Service-Niveau und Kosten, stochastische Einschränkungen), weist Lokads Dokumentation auf eine Produktphilosophie und eine Schnittstelle hin, die explizit für diese Entscheidungsberechnungen entwickelt wurde.2426

Diese Unterscheidung spielt eine Rolle beim Vergleich von “supply chain software”: Palantir kann genutzt werden, um Supply Chain-Anwendungen zu ermöglichen, jedoch gibt es keine öffentliche Evidenz dafür, dass es sich um eine verpackte, hochmoderne supply chain Optimierungs-Engine handelt – zumindest nicht in dem Sinne wie bei einem Anbieter, dessen Kernbausteine probabilistisches Forecasting und Entscheidungsoptimierung sind.

Fazit

Palantirs öffentliche, primäre Dokumentation und Einreichungen zeichnen ein stimmiges Gesamtbild: Das Unternehmen vertreibt eine Plattform-Suite (Foundry/Gotham/Apollo/AIP), die sich auf Datenintegration, ontologiebasierte betriebliche Modellierung, Governance/Sicherheit, Deployment sowie die Bereitstellung von Anwendungen/Workflows im Unternehmensmaßstab konzentriert.1513141617 Für den Bereich supply chain existieren zudem glaubwürdige, namentlich benannte Belege (insbesondere Airbus Skywise und WFP), dass Palantirs Plattformen große operative Datenökosysteme und Logistik-Workflows unterstützen können.192123 Allerdings, wenn Palantir supply chain Materialien von “Optimierung” und “geschäftsoptimalen Entscheidungen” sprechen, werden in öffentlichen Quellen selten die algorithmischen Mechanismen (Ziele/Einschränkungen/Löserklasse/Benchmarks) so detailliert offengelegt, dass eine unabhängige Verifizierung möglich wäre.15618 Die am besten verteidigbare technische Schlussfolgerung lautet daher: Palantir stellt moderne Plattformbausteine bereit, die supply chain Analysen und Optimierungen hosten können, aber der hochmoderne Status einer Optimierungsschicht kann ohne stärkere, reproduzierbare technische Belege – als sie typischerweise in öffentlichen Marketing- und ROI-Studien präsentiert werden – nicht anerkannt werden.1518

Quellen

  1. Palantir Technologies Inc. — Formular 10-K für das am 2024-12-31 endende Geschäftsjahr — eingereicht am 2025-02-18 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  2. Was macht Palantir eigentlich? — abgerufen am 2025-12-16 ↩︎

  3. Palantir erwirbt Kimono Labs für seinen Web-Scraping-Service — 2016-02-15 ↩︎ ↩︎ ↩︎

  4. Palantir Foundry für Supply Chain — abgerufen am 2025-12-16 (PDF) ↩︎ ↩︎ ↩︎

  5. Palantir Foundry Technische Übersicht — 2022 (PDF) ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  6. Optimierung der Produktion mit ERP-Daten über die supply chain (Foundry Use Case-Beispiel) — abgerufen am 2025-12-16 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  7. In-Q-Tel Portfolio: Palantir — abgerufen am 2025-12-16 ↩︎

  8. Palantir Technologies Inc. verkündet die Wirksamkeit der Registrierungserklärung — 2020-09-22 ↩︎

  9. Palantir FY2024 10-K (PDF-Spiegel) — 2025-02 (PDF) ↩︎ ↩︎

  10. Palantir erwirbt Kimono Labs — 2016-02-16 ↩︎

  11. Palantir erwirbt das Data-Visualisierungs-Startup Silk — 2016-08-10 ↩︎

  12. Palantir kauft das Data-Visualisierungs-Startup Silk, Produkt soll eingestellt werden — 2016-08-10 ↩︎ ↩︎ ↩︎

  13. Foundry Ontologie — abgerufen am 2025-12-16 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  14. Foundry Sicherheits- und Berechtigungsmanagement auf Objektebene — abgerufen am 2025-12-16 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  15. Palantir Foundry für die Supply Chain-Resilienz — abgerufen am 2025-12-16 (PDF) ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  16. Apollo Technisches White Paper — abgerufen am 2025-12-16 (PDF) ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  17. Palantir AIP Übersicht — abgerufen am 2025-12-16 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  18. The Total Economic Impact™ of Palantir Foundry (Forrester) — abgerufen am 2025-12-16 (PDF) ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  19. Airbus startet Skywise – aviation’s open data platform — 2017-06-20 ↩︎ ↩︎

  20. Airbuss offene Luftfahrtdatenplattform Skywise gewinnt weiterhin an Marktdurchdringung — 2018-02-12 ↩︎

  21. Skywise Broschüre — 2019 (PDF) ↩︎ ↩︎

  22. Übersicht über die Palantir–Airbus Partnerschaft — abgerufen am 2025-12-16 (PDF) ↩︎

  23. Palantir und WFP kooperieren, um die globale humanitäre Versorgung zu transformieren — 2019-02-05 ↩︎ ↩︎ ↩︎

  24. Envision Language (Lokad Technische Dokumentation) — abgerufen am 2025-12-16 ↩︎ ↩︎ ↩︎

  25. Quantil-Forecasting (2012) — abgerufen am 2025-12-16 ↩︎

  26. Probabilistische Prognosen (2016) — abgerufen am 2025-12-16 ↩︎ ↩︎ ↩︎