Zur Pathologie des Wissens – Wie Künstliche Intelligenz die gesellschaftliche Konstruktion von Wissen zum Patienten macht
Was haben Psychopathen und generative KI gemeinsam? Wie das psychologische Konstrukt “Psychopath” echte Empathie durch simulierte Spiegelung ersetzen kann, so operiert KI aus systemischer Notwendigkeit im Modus struktureller Täuschung. Beide, die KI und der Psychopath, täuschen Authentizität vor, indem sie die Erwartungshaltung ihres Gegenübers berechnen und bedienen. Entscheidend ist der fehlende innere Bezugspunkt: Wo Wissenschaftler dem Wahrheitscode verpflichtet sind, fehlt KI dieser kategoriale Anker. Sie produziert eine Simulation von Wissen. Wissenschaft gerät in eine Legitimitätskrise, die nur überwunden werden kann, indem sie die Authentizität des Erkenntnisprozesses selbst ins Zentrum rückt.

Pathologie des Wissens – Wie Künstliche Intelligenz die gesellschaftliche Konstruktion von Wissen zum Patienten macht
von Iris Osswald-Rinner
Pathologie des Wissens – Wie Künstliche Intelligenz die gesellschaftliche Konstruktion von Wissen zum Patienten macht
von Iris Osswald-Rinner
Abstract
Dieser Essay analysiert aus wissenssoziologischer und systemtheoretischer Perspektive, wie Künstliche Intelligenz (KI) die gesellschaftliche Wissensproduktion fundamental verändert. Die These lautet, dass KI eine „Pathologie des Wissens“ auslöst: Wissen wird zunehmend durch algorithmische Simulation statt durch reflexive Erkenntnis erzeugt. Der Text zeichnet nach, wie der binäre Code der Wissenschaft (wahr/unwahr) durch die Anschlusslogik der KI (wahrscheinlich/unwahrscheinlich) unterlaufen wird. Diese Entwicklung zwingt die Hochschule, ihre Rolle als Hüterin der Wahrheit neu zu definieren, und führt zu einer tiefgreifenden Legitimationskrise wissenschaftlicher Autorität.
1. Wenn Maschinen Wissen produzieren: Eine Pathologie der Erkenntnis
Die digitale Transformation durch Künstliche Intelligenz (KI) wirft fundamentale Fragen zur Legitimität der Hochschulen und Universitäten als Institution, die die gesellschaftliche Konstruktion von Wissen theoretisch stützen, auf. Aus wissenssoziologischer und systemtheoretischer Perspektive stellt die KI nicht nur technologische Werkzeuge bereit, die je nach Definition analysieren, entscheiden und handeln können oder den Menschen beim Hören, Sehen, Analysieren, Entscheiden, Assoziieren und Handeln unterstützen (Gethmann et al., 2022, S. 8). Die Nutzung der KI, so die These, wird einen Paradigmenwechsel in der gesellschaftlichen und insbesondere der wissenschaftlichen Wissensproduktion einleiten. Dieser Wandel wird als „Pathologie des Wissens“, in dem Wissen nicht mehr durch reflexive Erkenntnis, sondern durch algorithmische Simulation erzeugt wird, gefasst.
2. Das Wissenschaftssystem und sein Wahrheitscode
Hochschulen sind Teil des Wissenschaftssystem, das eines von mindestens zwölf Teilsystemen der Gesellschaft ist. Jedes dieser Systeme orientiert sich an eigenen Leitwerten und Zielen, die sie priorisiert. Wissenschaft setzt sich zum Ziel nach Wahrheit zu streben und sie möchte wahre Erkenntnisse produzieren (Schimank, 2012, S. 114). Nach Luhmann (1992, S. 271–272) ist deshalb die Leitdifferenz in Form des binären Codes wahr/unwahr das zentrale Organisationsprinzip des wissenschaftlichen Systems. Es steuert, welche Aussagen innerhalb der Wissenschaft als relevant gelten. Durch diesen Code unterscheidet sich die Wissenschaft deutlich von anderen gesellschaftlichen Bereichen wie Recht (legal/illegal), Politik (Macht/Ohnmacht), oder Wirtschaft (zahlen/nicht zahlen). Sie erfüllt eine spezifische gesellschaftliche Funktion: die Produktion und Verifikation von Wissen (Roth & Schütz, 2015, S. 25). Der Wahrheitscode ist nicht gleich „absolute Wahrheit“. Es geht um intersubjektiv prüfbare Aussagen, die in der Forschung gefunden und methodisch überprüft werden können (Schimank, 2012, S. 115). Was innerhalb der Wissenschaft als wahr gilt, kann sich ändern, aber das System hat Mechanismen, um solche Änderungen auf rationaler Basis, zum Beispiel durch Falsifikation, durchzuführen.
3. Der systemfremde Code der KI
KI-Modelle agieren nach einem völlig anderen Prinzip: dem Code wahrscheinlich/unwahrscheinlich. Dieser Code funktioniert nicht auf Basis von Wahrheit, sondern auf der Wahrscheinlichkeit, dass eine Aussage formal und kontextuell zur vorhergehenden Kommunikation passt. Hoffmann (2025, S. 24–26) beschreibt die Arbeitsweise als Verarbeitung großer Datenmengen bzw. Daten aus dem Trainingsdatensatz, aus denen die Wahrscheinlichkeit für die jeweils nächsten Worte berechnet wird. Ein KI-Algorithmus ist darauf ausgelegt, Fehler in diesem Prozess zu minimieren und die beste Approximation für den Trainingsdatensatz zu finden. Er ist optimierend, aber nicht reflexiv. Die KI kann diese ideale Funktion nie perfekt lernen, sondern sich ihr nur annähern. Sie sucht nach dem bestmöglichen Muster, das die meisten Beispiele im Trainingsdatensatz erklärt bzw. vorhersagt.
Im Sinne Luhmanns ist die KI jedoch kein eigenes soziales System, sondern ein technisches System, das auf mathematischen Algorithmen und Datenverarbeitung basiert und zur Umwelt der sozialen Systeme zählt. Soziale Systeme wie das Wissenschaftssystem, das Rechtssystem oder das Wirtschaftssystem sind durch operative Geschlossenheit und autopoietische Reproduktion gekennzeichnet. Sie reproduzieren sich selbst durch ihre eigenen Kommunikationen (Kneer & Nassehi, 1993, S. 50–51). Die KI hingegen operiert nicht autopoietisch und ist nicht in der Lage, eigenständig Kommunikationen zu erzeugen.
Die KI steht somit in einer strukturellen Kopplung mit sozialen Systemen, ohne jedoch Teil dieser Systeme zu sein. Sie kann soziale Systeme irritieren und deren Operationen beeinflussen, bleibt aber ein externer Faktor, der von sozialen Systemen genutzt wird, um bestimmte Funktionen zu erfüllen. Dieser abstrakte Mechanismus lässt sich an einem einfachen Beispiel konkretisieren:
Ein Nutzer beginnt den Satz: “Das Wetter ist …”. Die KI soll das nächste Wort [X] vorhersagen.
1. Was würde der Mensch (im wissenschaftlichen Modus) tun?
Ein Mensch würde aus dem Fenster schauen (Empirie), Wetterdaten konsultieren (Fremdreferenz) und dann eine wahre Aussage treffen wollen: “Das Wetter ist regnerisch.” Der Code ist wahr/unwahr.
2. Was tut die KI?
Die KI durchsucht ihren Trainingsdatensatz. Sie findet:
- “Das Wetter ist schön.” (1 Million Vorkommen)
- “Das Wetter ist schlecht.” (800.000 Vorkommen)
- “Das Wetter ist regnerisch.” (500.000 Vorkommen)
- “Das Wetter ist bananasplit.” (2 Vorkommen, in einem Gedicht)
- Die Entscheidung der KI:
3. Die Entscheidung der KI:
Die KI wählt nicht “wahr”, sondern “wahrscheinlich”. Sie berechnet, dass “schön” der statistisch wahrscheinlichste Anschluss ist, um einen grammatikalisch korrekten und kontextuell plausiblen Satz zu bilden. Die KI gibt also aus: “Das Wetter ist schön.” Es kann in Wirklichkeit stürmen und regnen. Der KI ist das egal. Ihre Aufgabe war nicht, eine meteorologisch wahre Aussage zu treffen, sondern die erfolgreiche Simulation einer typischen menschlichen Äußerung zum Thema Wetter.
4. Die KI als pathologischer Doppelgänger
Metaphorisch gesprochen folgt KI-Kommunikation dem Muster psychopathischer Interaktion. Wie das psychologische Konstrukt “Psychopath” echte Empathie durch simulierte Spiegelung ersetzen kann, operiert KI im Modus struktureller Täuschung, nicht aus böser Absicht, sondern aus systemischer Notwendigkeit. Der Psychopath versteht Emotionen nicht, er imitiert ihre sprachlichen und gestischen Muster; die KI versteht Wissenschaft nicht, sie imitiert deren rhetorische Oberflächen. Beide, die KI und der Psychopath, täuschen Authentizität vor, indem sie die Erwartungshaltung ihres Gegenübers berechnen und bedienen. Entscheidend ist der fehlende innere Bezugspunkt: Wo Wissenschaftler dem Wahrheitscode verpflichtet sind, fehlt KI dieser kategoriale Anker. Sie produziert eine Simulation von Wissen. Es gibt zwischen den beiden jedoch einen entscheidenden Unterschied. Der Psychopath ist intelligent, die KI ist es nicht. Im Begriff der Künstlichen Intelligenz liegt, wie Ryle (1949, S. 16–17)es nennen würde, ein Kategorienfehler: Zwei fundamentale Kategorien werden verwechselt. Dieser Fehlschluss beschreibt die unzulässige Vermengung zweier grundverschiedener Ebenen: einerseits die algorithmische Bearbeitung strukturierter, formalisierbarer Aufgaben, die in der KI als ‚Intelligenz‘ missverstanden wird, andererseits das menschliche Bewusstsein, das sich in der Fähigkeit manifestiert, die Vielschichtigkeit der Welt durch kreative Impulse, Sinneswahrnehmungen und emotionale Resonanz zu bewältigen (Roth et al., 2024, 198-197). Ein solcher Kategorienfehler zeigt sich bildlich, wenn ein Gärtner in den Garten geht, um Tomatensuppe zu pflanzen.
5. Folgen für die Hochschulpraxis
Die zwei Fehlannahmen, dass KI intelligent sei und Wissen im Wissenschaftssystem produziere, führen zu Erscheinungen, die in der Hochschulbildung zunehmend sichtbar und problematisch werden, etwa dann, wenn KI-Systeme auf Nachfrage akademisch plausible Texte produzieren, inklusive Quellenangaben, vermeintlicher Forschungsstände und Zitate, die faktisch nie existiert haben. Hier halluziniert das System nicht aus Fehlfunktion, sondern strukturell. Es muss anschlussfähig bleiben und greift dafür auf Muster zurück, die formal korrekt, aber inhaltlich falsch sind. Dass ein Zitat in einer wissenschaftlichen Arbeit überprüfbar sein muss, steht außerhalb dieses Operationsbereichs des KI-Systems.
In dieser Situation reagieren Hochschulen zunehmend mit Verteidigungsmechanismen und betreten dabei nicht selten Irrwege. Lehrende und Prüfende werden zu forensischen Instanzen, zu Pathologen des Wissens, die wissenschaftliche Texte auf Spuren maschineller Täuschung sezieren und mit den Begriffen Plagiat, Urheberschaft, Integrität und Authentizität operieren wie ein forensisches Labor mit toxikologischen Begriffen. Gutachten werden zu Autopsien auf die Wahrheit hin. Die Herausforderung dabei: Der Maßstab des Wahrheitscodes wird immer öfter gegen Texte angewendet, die nie in seinem Geltungsbereich entstanden sind. Die Ironie dieser Entwicklung bleibt unausgesprochen. Dieselben Institutionen, die KI generierte Texte als pathologisches Symptom bekämpfen, greifen zunehmend auf KI-basierte KI-Erkennung. Die Diagnose der Simulation wird mit den Werkzeugen der Simulation gestellt. Die Simulation bekämpft die Simulation.
Die forensische Jagd auf KI-Texte offenbart ihre ganze Absurdität am Beispiel der Plagiatssoftware: Sie schlägt nur bei tatsächlich existierenden, menschlichen Quellen an während halluzinierte, nicht-existierende Referenzen als vermeintlich existent durchgehen. Die Prüfung mutiert zur Suche nach einem Phantom, einem Negativabdruck der KI, der sich nie eindeutig nachweisen lässt. Wissenschaftliche Authentizität beweist sich deshalb nicht mehr durch die Abwesenheit von Plagiaten oder KI-Anwendung, sondern durch ihre positive Sichtbarmachung. Sie zeigt sich im dokumentierten Denkweg, in Widersprüchen, Korrekturen und der dialogischen Verarbeitung von Quellen. Diese intellektuelle Bewegung ist das Gegenteil eines statischen, dekorativen Zitat-Arrangements; sie ist nicht simulierbar, aber dokumentierbar. Will die Wissenschaft ihren Wahrheitscode verteidigen, muss sich ihre Redlichkeit künftig im sichtbaren und dokumentierten Forschungsprozess manifestieren und nicht länger nur im Endergebnis.
6. Vom Misstrauen zur Legitimationskrise
Auch das bereits durch die Verteidigungsmechanismen etablierte institutionelle Misstrauensverhältnis zwischen Lehrenden und Lernenden hinterlässt Spuren in der Legitimation der Hochschulen als Hüterinnen und Produzentinnen von anerkannten Wahrheiten. Auf der einen Seite vermuten Lehrende überall den Patienten “simuliertes Wissen” und befürchten den Kollaps wissenschaftlicher Integrität. Auf der anderen Seite wachsen Studierende in eine soziale Realität hinein, in der KI-Systeme als Autoritäten auftreten, nicht weil sie wahr sind, sondern weil sie funktionieren, flüssig schreiben, und so klingen, wie akademisches Wissen klingen soll. Die Produktion von Anschlussfähigkeit wird mit Erkenntnis verwechselt, und der Glaube an die „Wahrheit der Maschine“ gerät in paradoxe Konkurrenz zum schwindenden Vertrauen in wissenschaftliche Urteilskraft.
7. Die Sackgasse der Kontrolle
Statt das Problem an den Kodierungen selbst aufzuschließen, geraten Universitäten in einen Modus der Kontrolle, Überwachung und Sanktion. Doch damit stabilisieren sie kein Vertrauen, sie symbolisieren vielmehr dessen Verlust. Die Hochschule kämpft mit Werkzeugen der Vergangenheit gegen ein epistemisches System der Gegenwart, ohne es im Kern verstanden zu haben.
In einer akademischen Umgebung, die zunehmend auf Automatisierung und Effizienzoptimierung setzt, entsteht so ein tiefgreifender Zielkonflikt: Studierende und Lehrende bewegen sich in einem System, das nach Wahrheit, Argumentationslogik und kritischer Reflexion verlangt, nutzen aber Werkzeuge, die auf Mustervollständigkeit und Anschlusslogik beruhen. Die Konsequenz ist eine Erosion der Hochschulbildung. Urheberschaft wird obsolet, Plausibilität ersetzt Begründung und Texte werden inhaltslos, wenn nicht gar sinnlos.
8. Eine gesellschaftliche Umcodierung
Doch die Krise der Hochschulbildung ist Teil einer weit größeren Verschiebung: einer Umcodierung unserer gesamten gesellschaftlichen Wissenspraxis. Denn: Was als „wahr“ gilt, ist nie bloß ein Ergebnis objektiver Erkenntnis, sondern immer auch eine gesellschaftliche Entscheidung. Gesellschaft konstruiert ihre Wirklichkeit durch die Organisation und Kommunikation von Wissen und handelt nach dem, was sie kollektiv als legitim erachtet.
Über Jahrhunderte haben Institutionen wie Universitäten und Gerichte diese Legitimation getragen. Sie waren jene Orte, an denen beobachtbare Verfahren zur Unterscheidung von wahr und unwahr oder von legal und illegal institutionalisiert wurden. Heute jedoch erodieren diese Institutionen in ihrer Autorität (Preyer, 2013, S. 20). Sie ringen um Vertrauen und Sichtbarkeit in einem neuen, lauteren Raum algorithmisch erzeugter Anschlusskommunikation, deren Basis nicht die Theorie oder Gesetz ist, sondern die Trainingsdaten.
9. Die pathologische Rückkopplung
Die Pathologie dieses Prozesses erreicht eine neue Stufe, sobald die Outputs dieser Simulationen wieder in den Umlauf geraten und in zukünftige Trainingsdaten eingespeist werden. Die KI beginnt, sich immer stärker von ihrem eigenen Echo zu nähren. Was als Simulation begann, wird zur Grundlage weiterer Simulationen. Es ist davon auszugehen, dass sich der Wissenschaftsdiskurs auf Dauer nicht vom KI-Loop wird entkoppeln können.
10. Eine Luhmann’sche Diagnose
Aus einer systemtheoretischen Perspektive, wie sie Niklas Luhmann entwickelt hat, lässt sich diese prekäre Lage als eine dreifache Pathologie des Wissenschaftssystems diagnostizieren:
(1) Unausweichlichkeit
Die strukturelle Kopplung an den KI-Loop ist keine Wahl, sondern eine systemische Tatsache. Das Wissenschaftssystem muss sich strukturell anpassen. Die Antwort muss nicht lauten, den Code aufzugeben, sondern ihn durch eine vorgelagerte Unterscheidung zu schützen: die zwischen authentischer und simulierter Kommunikation. Die Aufgabe der Wissenschaft wird es, Verfahren zu entwickeln, die die Authentizität des Erkenntnisweges, mit all seinen Widersprüchen, Korrekturen und dialogischen Momenten, so sichtbar zu machen, dass der Wahrheitscode überhaupt wieder auf eine glaubwürdige Basis angewendet werden kann.
(2) Pathologische strukturelle Kopplung
Diese strukturelle Kopplung ist pathologisch, weil sie die für die Wissenschaft konstitutive Fremdreferenz (Beobachtung der Welt) durch eine selbstreferentielle Schleife (Beobachtung der eigenen Simulation) untergräbt. Die Hochschulen könnten die Fremdreferenz stärken. Damit ist eine bewusste Hinwendung zu Forschungsdesigns, die eine Rückkopplung an die physische, nicht-simulierte Welt erfordern (z.B. Laborarbeit, Feldforschung, empirische Datenerhebung) gemeint. Hier kann die KI nur begrenzt simulieren. Eine weitere Möglichkeit, die Thematik der „Pathologie des Wissens“ in der Hochschulpraxis zu behandeln, wäre die Einführung von Portfolios oder Gruppenarbeiten als alternative Prüfungsformate. Diese Formate können dazu beitragen, die Authentizität des Lern- und Erkenntnisprozesses zu stärken und die Herausforderungen, die durch KI-generierte Inhalte entstehen, zu adressieren.
(3) Systemimmunität
Ein dritter Ansatz, um mit dem Patient Wissenschaftssystem umzugehen, besteht darin, die Pathologie selbst zum Gegenstand der Forschung zu machen. Indem sich Studierende und Forschende aktiv mit den Mechanismen, Risiken und Folgen der KI-gestützten Wissensproduktion auseinandersetzen, kann eine Art Systemimmunität entwickelt werden. Diese Immunität entsteht durch das Verständnis der Pathologie und die Fähigkeit, ihre Auswirkungen zu erkennen und Anpassungsleistungen vorzunehmen. In diesem Sinne ist die Verwendung der KI zur Wissensgenerierung eine Irritation bzw. eine Perturbation der Wissenschaftskommunikation (Preyer, 2013, S. 20). Möglicherweise bietet diese Entwicklung eine passende Gelegenheit, den Wissenschaftsdiskurs, der sich vor allem aus Texten speist, die den Veröffentlichungsdruck verstärken, kritisch zu hinterfragen und damit auch die zunehmende Verwendung von KI-generierten Texten, die auch eine Folge dieses Drucks sein können, zu überdenken.
Zusammenfassung
Es wurde die fundamentale These entfaltet, dass Künstliche Intelligenz als ein systemfremdes technisches Operieren, eine Pathologie der gesellschaftlichen Wissensproduktion auslöst. Gezeigt wurde, wie der konstitutive Code der Wissenschaft, die Unterscheidung von wahr und unwahr, durch die operative Logik der KI, die Berechnung von wahrscheinlich und unwahrscheinlich, unterwandert wird. An die Stelle reflexiver Erkenntnis tritt damit eine algorithmische Simulation von Wissen, die nicht an Wahrheit, sondern an formale Anschlussfähigkeit gebunden ist.
Am Beispiel der Hochschulpraxis wurde demonstriert, wie diese pathologische Verschiebung zu einer tiefen Legitimationskrise führt. Die Institutionen sehen sich gezwungen, die Symptome in Form KI-generierter Texte der Simulation forensisch zu bekämpfen, und verstricken sich dabei in die paradoxe Situation, die Pathologie mit den Werkzeugen der Simulation zu diagnostizieren. Dies untergräbt das Vertrauen in die wissenschaftliche Autorität und treibt die Hochschule in eine Sackgasse der Kontrolle.Abschließend wurde die Krise als eine pathologische strukturelle Kopplung diagnostiziert, die die Wissenschaft in eine selbstreferentielle Schleife zu zwingen droht, in der sie sich zunehmend mit den Echoeffekten ihrer eigenen Simulation befasst. Als Ausweg wurde gezeigt, dass die Wissenschaft ihre Legitimität nur zurückgewinnen kann, indem sie die Authentizität des Erkenntnisprozesses selbst ins Zentrum rückt. Die Verteidigung der Wahrheit liegt künftig weniger im fertigen Text als vielmehr in der Sichtbarmachung des dokumentierten, widersprüchlichen und dialogischen Denkweges, der sich der Simulation entzieht. Die Krise erweist sich so als zwingende Aufforderung, sich auf das Wesen reflexiver Erkenntnis zu besinnen.
Literatur
Gethmann, C. F., Buxmann, P., Distelrath, J., Humm, B., Lingner, S., Nitsch, V., Schmidt, J. C. & Spiecker genannt Döhmann, I. (Hrsg.). (2022). Ethics of Science and Technology Assessment: Bd. 48. Künstliche Intelligenz in der Forschung: Neue Möglichkeiten und Herausforderungen für die Wissenschaft (1. Aufl. 2022). Springer Berlin Heidelberg. http://nbn-resolving.org/urn:nbn:de:bsz:31-epflicht-1960861 https://doi.org/10.1007/978-3-662-63449-3
Hoffmann, O. (2025). Die Psychologie und die Künstliche Intelligenz: Maschinen, Bewusstsein und die menschliche Psyche (1st ed. 2025). Springer Berlin Heidelberg; Imprint Springer. https://doi.org/10.1007/978-3-662-70966-5
Kneer, G. & Nassehi, A. (1993). Niklas Luhmanns Theorie sozialer Systeme: Eine Einführung. Uni-Taschenbücher: Bd. 1751. W. Fink.
Luhmann, N. (1992). Die Wissenschaft der Gesellschaft. Suhrkamp.
Preyer, G. (2013). Irritation – Systemtheoretische Grundlagen. In C. Gansel & N. Ächtler (Hrsg.), Studien und Texte zur Sozialgeschichte der Literatur: Band 133. Das Prinzip Störung in den Geistes-und Sozialwissenschaften (S. 15–31). De Gruyter.
Roth, G., Tuggener, L. & Roth, F. C. (2024). Natürliche und künstliche Intelligenz: Ein kritischer Vergleich. Sachbuch. Springer. https://link.springer.com/978-3-662-68400-9
Roth, S. & Schütz, A. (2015). Ten Systems: Toward a Canon of Function Systems. Cybernetics and Human Knowing., 22(4), 11–31.
Ryle, G. (1949). The Concept of Mind. Barnes & Noble.
Schimank, U. (2012). Wissenschaft als gesellschaftliches Teilsystem. In S. Maasen (Hrsg.), Handbuch Wissenschaftssoziologie. Springer.
Über die Autorin

Dr. Iris Osswald-Rinner
studierte Erziehungswissenschaft an der Universität Koblenz (Dipl. Päd.) und promovierte dort am Institut für Bildungswissenschaften in den Fächern Soziologie und Pädagogik zur Dr. phil.
Sie ist im Fernstudium Dozentin für Soziologie (M.A.), Psychologie (B.A.), Praxisanleitung (B.A.) Bildungsmanagement (M.A.) sowie berufliche Aus- und Weiterbildung (M.A.).
Kontakt: osswald-rinner@outlook.com
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Iris Osswald-Rinner (1. Oktober 2025). Zur Pathologie des Wissens – Wie Künstliche Intelligenz die gesellschaftliche Konstruktion von Wissen zum Patienten macht. Bildung - Mensch - Medien. Abgerufen am 16. März 2026 von https://doi.org/10.58079/14tmv
