docs(ms-ai-architect): KB-refresh tema-b — Foundry-navnesveip «Azure AI Foundry»→«Microsoft Foundry» (233 filer)

Verifisert mot offisiell MS-doc (juni 2026): «Microsoft Foundry» er det
gjeldende produkt-/portalnavnet; «Foundry (classic)» = gamle «Azure AI Foundry»
(/azure/foundry/ vs /azure/foundry-classic/). Premiss bekreftet før sveip.

Multi-regel, IKKE naiv s/Azure AI Foundry/Microsoft Foundry/ — MS dropper
«Azure AI» (legger IKKE til «Microsoft») for to produktvarianter:
- «Azure AI Foundry Agent[ Service|s]» → «Foundry Agent Service/Agents» (MS-form)
- «Azure AI Foundry Models» → «Foundry Models» (i «Azure OpenAI in Foundry Models»)
- «Azure AI Foundry SDK» → «Microsoft Foundry SDK» (operatør-valg)
- «Azure AI Foundry portal/project» + generisk → «Microsoft Foundry»
- Pre-eksisterende «Microsoft Foundry Models» (4) normalisert → «Foundry Models»

Bevart: «Azure OpenAI», «Azure AI Inference SDK», «Azure AI Search»,
«Azure AI Services», kode-IDer. Historisk ref «(tidligere Azure AI Foundry)»
i model-catalog-2026.md beskyttet via lookbehind. URL /azure/ai-foundry/→
/azure/foundry/ kun i owasp-llm-top10 (KB-ref); docs/-filer deferred.

Scope: skills (inkl. 3 SKILL.md) + commands + agents + README + CLAUDE.
Ekskludert: docs/ (interne), playground/+tests/ fixtures (testdata),
CHANGELOG.md (historisk logg), STATE.md (gitignored).

3 SKILL.md endret (advisor/engineering/security) → judge-cache teknisk
invalidert for disse, men scorer uendret: advisor 91, eng/gov/infra/sec 96
(alle ≥90). validate 239/0. 0 «Azure AI Foundry» igjen (utenom bevart ref).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

skills/ms-ai-engineering/references/data-engineering/data-anonymization-privacy.md

@@ -549,7 +549,7 @@ def privacy_check_before_deployment(model_artifacts_path: str) -> dict:
 ## Referanser
 
 - [What is Azure Language PII detection?](https://learn.microsoft.com/en-us/azure/ai-services/language-service/personally-identifiable-information/overview) -- PII-deteksjon og maskering
-- [PII filter in Azure AI Foundry](https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/content-filter-personal-information) -- PII-filtrering for LLM-er
+- [PII filter in Microsoft Foundry](https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/content-filter-personal-information) -- PII-filtrering for LLM-er
 - [Responsible AI - Privacy and security](https://learn.microsoft.com/en-us/azure/machine-learning/concept-responsible-ai) -- SmartNoise og Counterfit
 - [Data privacy for cloud-scale analytics](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/cloud-scale-analytics/secure-data-privacy) -- Dataklassifisering og konfidensialitetsskjema
 - [PII entity categories](https://learn.microsoft.com/en-us/azure/ai-services/language-service/personally-identifiable-information/concepts/entity-categories) -- Alle stottede PII-kategorier

skills/ms-ai-engineering/references/data-engineering/data-factory-ai-pipelines.md

@@ -250,9 +250,9 @@ Event Hubs ───▶ Stream Analytics ───▶ Azure ML Online Endpoint
 
 ## Integrasjon med Microsoft-stakken
 
-### Azure AI Foundry
+### Microsoft Foundry
 
-**Pattern:** Data Factory → Azure AI Foundry evaluation run
+**Pattern:** Data Factory → Microsoft Foundry evaluation run
 
 ```json
 {

skills/ms-ai-engineering/references/data-engineering/fabric-lakehouse-architecture.md

@@ -160,7 +160,7 @@ For store organisasjoner kan lakehouse-arkitektur kombineres med data mesh patte
 | Tjeneste | Integrasjonspunkt | Use Case |
 |----------|-------------------|----------|
 | **Azure Machine Learning** | Read Lakehouse tables via `azureml-fsspec` | Model training på curated Gold layer data |
-| **Azure AI Foundry** | OneLake shortcuts til Foundry projects | Unified data access for prompt flow og vector indexes |
+| **Microsoft Foundry** | OneLake shortcuts til Foundry projects | Unified data access for prompt flow og vector indexes |
 | **Copilot Studio** | Power Automate triggers fra Lakehouse | Automated workflows basert på data events |
 | **Power BI** | Direct Lake mode (native på Lakehouse) | In-memory performance uten separate import |
 | **Azure Databricks** | OneLake shortcuts (read Fabric data fra Databricks) | Interop med eksisterende Databricks workloads |

skills/ms-ai-engineering/references/data-engineering/onelake-data-strategy.md

@@ -348,8 +348,8 @@ Lakehouse: RAG_Data
 
 ## Integrasjon med Microsoft-stakken
 
-### Azure AI Foundry + OneLake
-**Scenario:** Azure AI Foundry project trenger tilgang til Lakehouse data.
+### Microsoft Foundry + OneLake
+**Scenario:** Microsoft Foundry project trenger tilgang til Lakehouse data.
 
 **Integration points:**
 1. **OneLake Datastore (Azure ML SDK):**

skills/ms-ai-engineering/references/data-engineering/zero-etl-fabric-patterns.md

@@ -289,7 +289,7 @@ Har du en støttet kilde (SQL, Cosmos, Snowflake)?
 
 ## Integrasjon med Microsoft-stakken
 
-### 1. Azure AI Foundry
+### 1. Microsoft Foundry
 
 **Scenario:** RAG-basert chatbot som trenger sanntidstilgang til produktkatalog i Azure SQL.
 
@@ -300,7 +300,7 @@ Azure SQL Database (product catalog)
                                 │
                                 └─► Azure AI Search (indexing)
                                         │
-                                        └─► Azure AI Foundry (RAG)
+                                        └─► Microsoft Foundry (RAG)
                                                 │
                                                 └─► Chatbot (GPT-4o)
 ```